关联分析法 python基于Apriori算法

关联分析法是一种数据挖掘技术，主要用于发现事物之间的有趣关联，特别是频繁项集和规则学习。Python中的Apriori算法是一个经典的关联规则学习算法，由Agrawal等人在1994年提出。它基于两个假设：
1. 质量法则（Weakness Rule）：如果频繁项集X是频繁的，则它的超集Y也是频繁的（除了空集外）。
2. 前置后件性质（Antimonotonicity）：若项目集包含在另一个项目集中，则它的支持度不会更高。

在Python中，可以使用`mlxtend`库或者`apyori`库来应用Apriori算法。例如：

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori

# 假设 transactions 是一个二维列表，每个元素代表一个购物篮中的商品
transactions = [['Milk', 'Bread'], ['Bread', 'Butter', 'Eggs'], ['Milk', 'Butter']]

# 将交易数据转换为编码格式
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)

# 使用Apriori算法找出频繁项集
frequent_itemsets = apriori(te_ary, min_support=0.6)  # 设置最小支持度为60%

# 输出频繁项集和关联规则
for itemset in frequent_itemsets:
    if itemset['length'] == 2:  # 只查看长度为2的规则
        print(f"Rule: {itemset['itemsets'][0]} -> {itemset['itemsets'][1]}, Support: {itemset['support']}")