我想通过查看一个人之前购买的产品，来预测他们将会购买的产品。

我的数据框包含’overall’、’reviewerID’、’asin’和’brand’这些列。

overall - 产品评分reviewerID - 评论者IDasin - 产品IDbrand - 品牌名称

我的代码如下：

我的数据框是这样的。

我将’overall’、’reviewerID’、’brand’这三列分配给了X，将’asin’这一列分配给了y，如下所示：

X= data["reviewerID"].valuesx1=data["overall"].valuesx2=data["brand"].valuesX=np.vstack(X, x1,x2).Ty= data["asin"].values  

我随机选择了70%的元组用于训练，30%的元组用于测试，进行了数据分割。

from sklearn.model_selection import train_test_splitX_train,X_test , y_train , y_test = train_test_split(X, y, test_size=0.3, random_state=1)

我使用了Sklearn库的MLP分类器。

from sklearn.neural_network import MLPClassifierimport timetraining_time_avg=0error_cost_avg=0i=0

我使用单层感知器网络求解器处理了我的数据10次。我还尝试拟合训练数据，并使用’time’计算时间：

while i < 10:    clf= MLPClassifier(hidden_layer_sizes=(), max_iter=100)    start = time.time()    clf.fit(X_train, y_train)    stop = time.time()    accuracy=clf.score(X_test, y_test)    error_rate = 1 - accuracy    training_time_avg = training_time_avg + (stop - start)    error_cost_avg=error_cost_avg + error_rate    i=i+1

我打印了平均训练时间和错误成本的结果。

print("max_iter:",100) print("\n训练时间平均值（以毫秒为单位）: ",(training_time_avg/10))print("错误平均值（成本）: ", (error_cost_avg/10))

然而，尽管运行代码时没有错误，我的代码却一直在运行，就像是进入了无限循环。我在Spyder的变量浏览器屏幕上检查了一切，直到clf.fit(X_train, y_train)这一行之前都正常工作。

有没有人能帮我解决这个问题？或者使用哪种方法可以根据一个人之前购买的产品，预测他们将会购买的产品？

回答：

一切看起来都很好。你的数据量很大，所以你需要多等一会儿才能完成拟合。