rule = (sub_set, frequent_set - sub_set, conf)这句什么意思,为什么有,号
时间: 2024-05-29 11:13:15 浏览: 10
这句话是关联规则中的一部分,其中:
- sub_set表示前置条件,是由商品组成的集合,表示当这个集合中的商品出现时,可能会出现后置条件(即frequent_set)中的某个商品。
- frequent_set表示后置条件,是由商品组成的集合,表示当前置条件(即sub_set)中的商品同时出现时,这些商品会以一定的概率出现。
- conf是条件概率,表示当前置条件sub_set出现时,后置条件frequent_set出现的概率。
逗号的作用是分隔不同的元素或属性,用于区分每个集合中的元素或关键字。
相关问题
def generate_big_rules(L, support_data, min_conf): """ Generate big rules from frequent itemsets. Args: L: The list of Lk. support_data: A dictionary. The key is frequent itemset and the value is support. min_conf: Minimal confidence. Returns: big_rule_list: A list which contains all big rules. Each big rule is represented as a 3-tuple. """ big_rule_list = [] sub_set_list = [] for i in range(0, len(L)): for freq_set in L[i]: for sub_set in sub_set_list: if sub_set.issubset(freq_set): conf = support_data[freq_set] / support_data[freq_set - sub_set] big_rule = (freq_set - sub_set, sub_set, conf) if conf >= min_conf and big_rule not in big_rule_list: # print freq_set-sub_set, " => ", sub_set, "conf: ", conf big_rule_list.append(big_rule) sub_set_list.append(freq_set) return big_rule_list
这段代码实现了Apriori算法中的关联规则生成过程。在频繁项集挖掘结束后,可以根据频繁项集生成关联规则,并计算关联规则的置信度,筛选出满足最小置信度要求的强关联规则。
函数generate_big_rules的输入参数包括频繁项集列表L、支持度字典support_data和最小置信度min_conf。其中,频繁项集列表L是一个包含多个列表的列表,每个列表包含若干个频繁项集;支持度字典support_data是一个字典,存储频繁项集及其支持度信息;最小置信度min_conf是指一个关联规则的置信度必须大于等于min_conf才能被认为是强关联规则。
函数内部首先创建了一个空列表big_rule_list,用于存储所有满足要求的强关联规则。接着,创建了一个空列表sub_set_list,用于存储已经检查过的子集,避免重复计算。
通过两个嵌套的循环,对每个频繁项集及其子集进行遍历,计算置信度,并将满足要求的关联规则存储在big_rule_list中。具体来说,外层循环遍历每个频繁项集,内层循环遍历该频繁项集的所有子集。对于每个子集,计算该关联规则的置信度,如果大于等于min_conf并且该关联规则不在big_rule_list中,则将该关联规则加入big_rule_list中。
最后,函数generate_big_rules返回所有满足要求的强关联规则列表big_rule_list。每个关联规则被表示为一个3元组,包括规则的前件、后件以及置信度。
优化python代码: if item_1 in frequent_items_tidAnddiff: if item_2 in frequent_items_tidAnddiff: item_1_set = frequent_itemsets_tidAnddiff[item_1]
可以尝试使用字典的get方法来替代两个if语句,代码如下:
```
item_1_set = frequent_itemsets_tidAnddiff.get(item_1, set())
if item_2 in frequent_items_tidAnddiff and item_1 in frequent_items_tidAnddiff[item_2]:
item_1_set = frequent_itemsets_tidAnddiff[item_1]
```
这里使用字典的get方法获取键为item_1的值,如果键不存在则返回一个空集合。然后再判断item_2是否在frequent_items_tidAnddiff中,并且item_1是否在frequent_items_tidAnddiff[item_2]中,如果满足条件则使用frequent_itemsets_tidAnddiff[item_1]来更新item_1_set。
这种方法可以避免重复的if语句,同时也可以提高代码的可读性。