python实现关联规则实例

以下是一个使用Python中的mlxtend库实现关联规则的示例代码：

# 导入所需库
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules

# 创建数据集
dataset = [['牛奶', '面包', '尿布'],
           ['可乐', '面包', '尿布', '啤酒'],
           ['牛奶', '尿布', '啤酒', '鸡蛋'],
           ['面包', '牛奶', '尿布', '啤酒'],
           ['面包', '牛奶', '尿布', '可乐']]

# 对数据集进行编码
te = TransactionEncoder()
te_ary = te.fit_transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用Apriori算法查找频繁项集
frequent_itemsets = apriori(df, min_support=0.6, use_colnames=True)

# 使用关联规则算法查找关联规则
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)
print(rules)

在上述代码中，首先创建了一个数据集。然后使用TransactionEncoder对数据集进行编码，将其转换为一个适合于Apriori算法的格式。接着使用Apriori算法查找频繁项集，并使用关联规则算法查找关联规则。最后输出查找到的关联规则。