Python 基于购物篮对客户进行聚类

我想根据客户的历史购物篮对其进行分类

我有以下矩阵描述每个用户及其相应的购买产品数量。例如，用户1购买了产品A的0、产品B的5和产品C的6

用户ID、产品A、产品B、产品C
1,0,5,6
2,1,4,5
3,9,1,0

我想做的是：

• 根据客户购买的产品（客户1和客户2）对客户进行分类 非常相似，因为他们都购买了大量的产品B和 产品C，而客户3更关注产品A）

• 可视化集群

问题:

• 我有大约20万客户
• 我有大约50000种产品（这些产品可以组合成 示例类别->仍将超过150个类别/a.k.a 尺寸

---

在Python中有没有什么推荐的方法来做这些事情？

您可能需要研究模式挖掘，特别是项集挖掘

可以让您开始的示例项目：

---

可以查看

scikit

。或者“python cluster是一个“简单”的软件包，允许从列表中创建多个对象组（集群）”谢谢你的建议，但我认为这不是我想要的。据我所知，我需要一个函数，根据每个客户购买的产品来计算他们之间的相似性。itemset模式挖掘可以让你确定人们一起购买的产品以及最常见的购买顺序，这样你就可以预测t下一步可能会有人购买。如果你只关注集群，scikit learn集群功能非常简单，但问题是为它提供一个一致的数据集（即每个用户的固定产品数量）你可以设置一个最大值，并在最大值下用空格填写。我理解你的观点，这是真的。但是，这种分类不应该用于预测，而是我向推荐引擎发展的一部分。