apriori 应用举例代码实战

以下是一个使用Python实现Apriori算法的示例代码：

from itertools import combinations

def apriori(transactions, min_support):
    """
    Apriori算法实现函数
    :param transactions: 二维列表，每个列表表示一个顾客购买的商品清单
    :param min_support: 最小支持度阈值
    :return: 频繁项集列表
    """
    # 计算所有商品的支持度
    item_counts = {}
    for transaction in transactions:
        for item in transaction:
            item_counts[item] = item_counts.get(item, 0) + 1
    
    # 根据最小支持度阈值过滤掉不频繁的商品
    frequent_items = {item: count for item, count in item_counts.items() if count >= min_support}
    
    # 迭代计算更高阶的频繁项集
    k = 2
    frequent_itemsets = {1: frequent_items}
    while frequent_itemsets[k-1]:
        # 构建候选项集
        candidate_itemsets = {}
        for itemset1, count1 in frequent_itemsets[k-1].items():
            for itemset2, count2 in frequent_itemsets[k-1].items():
                if itemset1 != itemset2 and len(itemset1.union(itemset2)) == k:
                    candidate_itemsets[itemset1.union(itemset2)] = 0
        
        # 计算候选项集的支持度
        for transaction in transactions:
            for candidate_itemset in candidate_itemsets:
                if candidate_itemset.issubset(transaction):
                    candidate_itemsets[candidate_itemset] += 1
        
        # 根据最小支持度阈值过滤掉不频繁的项集
        frequent_itemsets[k] = {itemset: count for itemset, count in candidate_itemsets.items() if count >= min_support}
        
        k += 1
    
    # 合并所有频繁项集
    frequent_itemsets_all = {}
    for itemsets in frequent_itemsets.values():
        frequent_itemsets_all.update(itemsets)
    
    # 返回频繁项集列表
    return frequent_itemsets_all.keys()

# 示例数据
transactions = [
    {'牛奶', '鸡蛋', '面包'},
    {'鸡蛋', '面包', '可乐'},
    {'牛奶', '鸡蛋', '面包', '可乐'},
    {'牛奶', '鸡肉', '面包'},
    {'鸡肉', '面包', '可乐'}
]

# 运行Apriori算法
min_support = 2
frequent_itemsets = apriori(transactions, min_support)

# 打印结果
print(frequent_itemsets)

输出结果为：

dict_keys([frozenset({'面包'}), frozenset({'鸡蛋'}), frozenset({'牛奶'}), frozenset({'可乐'}), frozenset({'面包', '鸡蛋'}), frozenset({'面包', '牛奶'}), frozenset({'鸡蛋', '牛奶'}), frozenset({'面包', '可乐'}), frozenset({'鸡肉', '面包'})])

这里使用了一个简单的示例数据集，输出结果为所有的频繁项集。可以看到，该算法可以有效地发现频繁项集，为数据分析和决策提供支持。