网站建设的目标客户分析,建做网站,网站建设与管理规定,禅城网站设计使用 Yelp 数据集进行用户画像#xff08;User Profiling#xff09;是一项有趣的任务#xff0c;可以理解用户的偏好、行为和特征。以下是总结的一个基本的步骤#xff0c;帮助构建用户画像 pandas 加载数据#xff1a; import pandas as pd# 加载数据 users pd.read_…使用 Yelp 数据集进行用户画像User Profiling是一项有趣的任务可以理解用户的偏好、行为和特征。以下是总结的一个基本的步骤帮助构建用户画像 pandas 加载数据 import pandas as pd# 加载数据 users pd.read_json(yelp_academic_dataset_user.json, linesTrue) reviews pd.read_json(yelp_academic_dataset_review.json, linesTrue) business pd.read_json(yelp_academic_dataset_business.json, linesTrue) yelp_academic_dataset_user.json: 包含了Yelp平台上用户的基本信息 yelp_academic_dataset_review.json包含了Yelp用户对商家的评论数据 yelp_academic_dataset_business.json包含了Yelp商家信息的数据 特征工程 用户特征 可以从用户数据和评论数据中提取以下特征 基本信息: 用户 ID、姓名、注册时间、城市等。行为特征: 评论数量平均评分最高评分和最低评分喜欢的商家类型通过评论的商家类别 # 示例计算用户特征 user_profile reviews.groupby(user_id).agg({stars: [count, mean, max, min],business_id: nunique }).reset_index()user_profile.columns [user_id, review_count, average_stars, max_stars, min_stars, unique_business_count] 商家偏好 用户喜欢的商家类型: 通过评论的商家类别统计用户的偏好。 # 示例用户偏好商家类型 user_business_types reviews.merge(business[[business_id, categories]], onbusiness_id) user_business_types[categories] user_business_types[categories].str.split(, ) user_business_types user_business_types.explode(categories)user_preference user_business_types.groupby(user_id)[categories].agg(lambda x: x.value_counts().index[0]).reset_index() user_preference.columns [user_id, preferred_category] 可视化用户画像 使用 Matplotlib 或 Seaborn 可视化用户特征 import seaborn as sns import matplotlib.pyplot as plt# 示例绘制用户评分分布 sns.histplot(user_profile[average_stars], bins5, kdeTrue) plt.title(Average Stars Distribution) plt.xlabel(Average Stars) plt.ylabel(Frequency) plt.show() 整理功能优化代码并运行 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt# 加载数据 users pd.read_json(yelp_academic_dataset_user.json, linesTrue) reviews pd.read_json(yelp_academic_dataset_review.json, linesTrue) business pd.read_json(yelp_academic_dataset_business.json, linesTrue)# 选择必要的列以减少内存使用 reviews reviews[[user_id, stars, business_id]] business business[[business_id, categories]]# 数据处理与特征工程 # 计算用户特征 user_profile reviews.groupby(user_id).agg({stars: [count, mean, max, min],business_id: nunique }).reset_index()user_profile.columns [user_id, review_count, average_stars, max_stars, min_stars, unique_business_count]# 用户偏好商家类型 user_business_types (reviews.merge(business, onbusiness_id).assign(categorieslambda x: x[categories].str.split(, )).explode(categories) )# 处理可能为空的组 def get_most_common_category(x):if x.empty:return None # 返回 None 或者一个默认值# 计算类别的最常见值counts x.value_counts()if counts.empty:return None # 如果没有值返回 Nonereturn counts.idxmax()user_preference user_business_types.groupby(user_id)[categories].agg(get_most_common_category).reset_index() user_preference.columns [user_id, preferred_category]# 可视化用户评分分布 plt.figure(figsize(10, 6)) sns.histplot(user_profile[average_stars], bins5, kdeTrue) plt.title(Average Stars Distribution) plt.xlabel(Average Stars) plt.ylabel(Frequency)# 保存图像到当前目录 plt.savefig(average_stars_distribution.png)# 显示图像可选 plt.show() 结果 进一步分析 聚类分析: 使用 K-means 或其他聚类算法根据用户特征将用户分为不同群体。根据用户画像建立推荐系统为用户推荐商家。 使用scikit-learn进行训练 import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans import joblib# 加载数据 users pd.read_json(yelp_academic_dataset_user.json, linesTrue) reviews pd.read_json(yelp_academic_dataset_review.json, linesTrue) business pd.read_json(yelp_academic_dataset_business.json, linesTrue)# 选择必要的列以减少内存使用 reviews reviews[[user_id, stars, business_id]] business business[[business_id, categories]]# 数据处理与特征工程 user_profile reviews.groupby(user_id).agg({stars: [count, mean, max, min],business_id: nunique }).reset_index()user_profile.columns [user_id, review_count, average_stars, max_stars, min_stars, unique_business_count]# 进行 K-means 聚类 features user_profile[[review_count, average_stars, max_stars, min_stars, unique_business_count]] scaler StandardScaler() scaled_features scaler.fit_transform(features)# 应用 K-means kmeans KMeans(n_clusters3, random_state42) # 选择3个集群 user_profile[cluster] kmeans.fit_predict(scaled_features)# 保存模型和标准化器 joblib.dump(kmeans, kmeans_model.pkl) joblib.dump(scaler, scaler.pkl)# 保存用户聚类结果 user_profile.to_csv(user_profile_with_clusters.csv, indexFalse) kmeans_model.pkl 作用: 保存训练后的 K-means 聚类模型。内容: 包含了聚类中心、聚类标签和模型的其他参数。通过这个文件你可以在不需要重新训练模型的情况下使用已经训练好的模型进行预测。使用场景: 当你需要对新的用户数据进行聚类或获取已经聚类的用户群体时加载这个文件即可。 scaler.pkl 作用: 保存数据标准化器StandardScaler。内容: 包含了用于标准化特征的数据均值和标准差。在训练模型时特征需要被标准化以确保不同特征的尺度一致。使用场景: 当你需要对新的用户特征进行预处理时可以加载这个文件使用相同的标准化参数以确保新数据的标准化与训练数据一致。 使用模型预测推荐代码 import pandas as pd import joblib# 加载数据 reviews pd.read_json(yelp_academic_dataset_review.json, linesTrue) business pd.read_json(yelp_academic_dataset_business.json, linesTrue)# 加载训练好的模型和标准化器 kmeans joblib.load(kmeans_model.pkl) scaler joblib.load(scaler.pkl) user_profile pd.read_csv(user_profile_with_clusters.csv)# 基于聚类推荐商家 def recommend_business(user_id):# 获取用户的聚类user_cluster user_profile[user_profile[user_id] user_id][cluster].values[0]# 找到同类用户cluster_users user_profile[user_profile[cluster] user_cluster][user_id]# 推荐该集群内其他用户高频评价的商家recommended_businesses reviews[reviews[user_id].isin(cluster_users)][business_id].value_counts().head(5)return recommended_businesses.index.tolist()# 示例为某个用户推荐商家 sample_user_id user_profile[user_id].iloc[0] recommended_businesses recommend_business(sample_user_id)print(fRecommended businesses for user {sample_user_id}: {recommended_businesses}) 返回推荐的business Recommended businesses for user ---1lKK3aKOuomHnwAkAow: [_ab50qdWOk0DdB6XOrBitw, ac1AeYqs8Z4_e2X5M3if2A, GXFMD0Z4jEVZBCsbPf4CTQ, ytynqOUb3hjKeJfRj5Tshw, oBNrLz4EDhiscSlbOl8uAw]