python的apriori实例

以下是一个简单的Python Apriori算法实例，用于挖掘购物篮数据集中的频繁项集：

# 导入所需的库
import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

# 读取数据集
data = pd.read_csv('basket_data.csv')

# 对数据进行one-hot编码处理
data_encoded = pd.get_dummies(data)

# 使用Apriori算法挖掘频繁项集
freq_items = apriori(data_encoded, min_support=0.03, use_colnames=True)

# 使用关联规则挖掘频繁项集之间的关联关系
rules = association_rules(freq_items, metric="lift", min_threshold=1)

# 输出结果
print(freq_items)
print(rules)

在这个例子中，我们首先读取了一个名为basket_data.csv的购物篮数据集，并将其进行了one-hot编码处理。然后，我们使用Apriori算法发现了频繁项集，并使用关联规则挖掘了这些频繁项集之间的关联关系。最后，我们输出了结果，包括频繁项集和关联规则。