我有以下数据集
+------------------------------------------------+ | 乘客 | 旅行 | +------------------------------------------------+ | 约翰 | 伦敦 | | 杰克 | 巴黎 | | 乔 | 悉尼 | | 约翰 | 伦敦 | | 约翰 | 伦敦 | | 吉尔 | 纽约 | | 吉姆 | 悉尼 | | 杰克 | 巴黎 | | 詹姆斯 | 悉尼 | +------------------------------------------------+
我正在尝试使用 scikit 库根据频率（在本例中为 John => London）预测乘客下一次可能旅行的可能性。作为一个新手，我不确定要使用哪个模型/功能。
更新 2：
如果我有超过 1000 万条记录，我应该如何解决这个问题？
对于这样的事情，您可以采用更简单的方法。一个想法是使用每个城市被访问的次数作为概率，在给定乘客访问过的城市中随机抽样。
这是您可以这样做的一种方法。我在数据框中添加了更多示例，以便更清楚地看到应用程序。假设你有：
Passenger Trip
0 John London
1 Jack Girona
2 Jack Paris
3 Joe Sydney
4 Joe Amsterdam
5 Joe Barcelona
6 Joe Barcelona
7 John London
8 John Paris
9 Jill Newyork
10 Jim Sydney
11 Jack Paris
12 James Sydney
您可以定义如下函数，以便从数据框中的现有数据中随机抽样：
def random_sample(df, name):
import numpy as np
# group the dataframe by Passenger and count
# the different trips
g = df.groupby('Passenger').Trip.value_counts()
# Make the probabilities add up to 1
freq = g[name] / g[name].sum()
# random destination based on
# its probabilities
random_name = np.random.choice(a=freq.index, size=1,
p = freq.values)[0]
# return likelyhood of next randomly chosen
# destination and destination
return freq[random_name], random_name
用法
假设我们要选择一个随机样本的目的地，Joe并且还要知道哪个是可能性。考虑到去过的目的地Joe是：
Trip
Barcelona 2
Amsterdam 1
Sydney 1
例如，我们可以得到：
for _ in range(5):
freq, dest = random_sample(df, 'Joe')
print('Chosen destination {} with a probability of {}'.format(dest, freq))
Chosen destination Sydney with a probability of 0.25
Chosen destination Barcelona with a probability of 0.5
Chosen destination Barcelona with a probability of 0.5
Chosen destination Barcelona with a probability of 0.5
Chosen destination Sydney with a probability of 0.25
以下代码适用于更大的数据集！
series_px = df_px_dest.groupby('Passenger')['Trip'].apply(lambda x: x.value_counts().head(1))
df_px = series_px.to_frame()
df_px.index = df_px.index.set_names(['UID', 'DEST'])
df_px.reset_index（就地=真）
def getNextPossibleDestByUserID(name,df=df_px):
return df.query('UID==@name')['DEST'].to_string(index=False)
我的下一个目标是将其公开为 API（可能使用 Flask），可能会为此提出一个新问题！