关联规则独热编码

文章目录

- - - 关联规则
    - - 引言
      - 相关名词
    - 独热编码
    - - 引言
      - 代码
      - 第一种
        第二种

关联规则

引言

在一家超市里，有一个有趣的现象：尿布和啤酒竟然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。

一个意外的发现是：”跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在“尿布与啤酒”背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

**关联规则(Association Rules)**是反映一个事物与其他事物之间的相互依存性和关联性，是数据挖掘的一个重要技术，用于从大量数据中挖掘出有价值的数据项之间的相关关系。

独热编码

(One-Hot Encoding)

引言

独热编码出现之前：针对无序离散的分类特征，机器学习算法的分类器并不能直接进行数据处理。因为，分类器通常处理的数据是连续且有序的。

独热编码即 One-Hot 编码，又称一位有效编码。其方法是使用 N位状态寄存器来对 N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效，即只有一位是1，其余都是零值

例如对4种状态进行编码：

自然顺序码为：00，01，10，11

独热编码为：0001，0010，0100，1000

按照 N位状态寄存器 来对N个状态进行编码的原理，处理后应该是这样的

性别特征：[“男”，“女”]（N=2 二维数据）
男 => 10
女 => 01

地区特征：[“北京”，"上海，“深圳”]（N=3，三维数据）：
北京 => 100
上海 => 010
深圳 => 001

运动特征：[“足球”，“篮球”，“羽毛球”，“乒乓球”]（N=4）：

足球 => 1000

篮球 => 0100

羽毛球 => 0010

乒乓球 => 0001

当一个样本为 [“男”,“上海”,“足球”] 的时候，独热编码（One-Hot Encoding）的结果为：

[1,0,0,1,0,1,0,0,0]

代码

第一种

from sklearn import preprocessing  enc = preprocessing.OneHotEncoder()  
enc.fit([[0,0,3],[1,1,0],[0,2,1],[1,0,2]])  # 训练。这里共有4个数据，3种特征array = enc.transform([[0,1,3]]).toarray()  # 测试。这里使用1个新数据来测试array ##输出  array([[1., 0., 0., 1., 0., 0., 0., 0., 1.]])

总共有三个特征，

第一个特征有两类[0,1]表示成10,01

第二个特征有三类[0,1,2]表示成100,010,001

第三个特征有四类[0,1,2,3]表示成1000,0100,0010,0001

第二种

encoder = preprocessing.OneHotEncoder()
encoder.fit([[0, 2, 1, 12],[1, 3, 5, 3],[2, 3, 2, 12],[1, 2, 4, 3]
])
encoded_vector = encoder.transform([[2, 3, 5, 3]]).toarray()
encoded_vector