python应用Apriori算法实例
时间: 2023-10-12 17:31:43 浏览: 54
好的,以下是一个使用Python应用Apriori算法的实例代码:
```python
# 导入必要的库
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('data.csv')
# 将数据集转化为适合进行关联规则挖掘的形式
basket = (data.groupby(['Transaction', 'Item'])
.size().unstack().reset_index().fillna(0)
.set_index('Transaction'))
basket_sets = basket.applymap(lambda x: 1 if x > 0 else 0)
# 运用Apriori算法找到频繁项集
frequent_itemsets = apriori(basket_sets, min_support=0.05, use_colnames=True)
# 计算关联规则并按照支持度和置信度进行排序
rules = association_rules(frequent_itemsets, metric="support", min_threshold=0.1)
rules = rules.sort_values(['support', 'confidence'], ascending=[False, False])
# 输出结果
print("频繁项集:")
print(frequent_itemsets)
print("\n关联规则:")
print(rules)
```
这个代码读取一个包含交易数据的CSV文件,并将其转化为适合进行Apriori算法的basket形式。然后,运用Apriori算法找到频繁项集,并基于频繁项集计算关联规则,并按照支持度和置信度进行排序。最终输出频繁项集和关联规则。您可以根据自己的数据和需求进行相应的调整。