地点推荐系统关联规则python代码

地点推荐系统通常基于用户的历史行为、兴趣偏好等数据，运用关联规则算法来发现用户可能感兴趣的新地点。Python作为常用的数据分析语言，有强大的库如Apriori和FrequentItemsets可以支持这种工作。以下是使用`mlxtend`库中的`association_rules`模块的一个简单示例：

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

# 假设我们有一个表示用户历史行为的DataFrame
data = [
    ['电影院', '餐厅'],
    ['购物中心', '健身房'],
    ['餐厅', '超市']
]  # 用户访问记录列表，每个元素代表一次消费

# 将列表转换为交易数据
te = TransactionEncoder()
te_ary = te.fit(data).transform(data)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用Apriori算法找到频繁项集
frequent_itemsets = apriori(df, min_support=0.5)  # 设置最小支持度，例如0.5表示至少50%的用户访问过

# 生成关联规则并筛选出强关联规则
rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1.2)  # 设定提升度阈值，例如1.2表示提升度大于120%

# 打印推荐规则
for item in rules.head():
    print("IF {} THEN {} (Lift: {:.2f})".format(item['antecedents'], item['consequents'], item['lift']))