Apriori算法python示例

好的，以下是一个使用Python实现Apriori算法的示例代码：

# 导入必要的库
import itertools
from collections import defaultdict

# 定义Apriori算法函数
def apriori(transactions, min_support=0.5):
    # 获取所有不重复的物品
    item_set = set(item for transaction in transactions for item in transaction)
    # 计算最小支持度
    min_count = len(transactions) * min_support
    # 定义字典存储频繁项集
    freq_set = defaultdict(int)
    # 定义字典存储项集的支持度
    item_count = defaultdict(int)
    # 遍历所有的事务，计算项集的支持度和频繁项集
    for transaction in transactions:
        for item in item_set:
            if item in transaction:
                item_count[item] += 1
        for item_set in powerset(transaction):
            freq_set[frozenset(item_set)] += 1
    # 根据支持度筛选出频繁项集
    freq_item_set = set(item_set for item_set in freq_set if freq_set[item_set] >= min_count)
    # 定义字典存储关联规则
    rules = []
    # 遍历所有的频繁项集，生成关联规则
    for item_set in freq_item_set:
        for item in item_set:
            antecedent = item_set - set([item])
            consequent = set([item])
            confidence = freq_set[item_set] / float(item_count[item])
            if confidence >= min_support:
                rules.append((antecedent, consequent, confidence))
    return freq_item_set, rules

# 定义函数生成所有子集
def powerset(iterable):
    s = list(iterable)
    return itertools.chain.from_iterable(itertools.combinations(s, r) for r in range(len(s) + 1))

这个代码实现了Apriori算法的主要步骤，其输入参数为一个包含所有事务的列表，和一个最小支持度。输出为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。