利用sklearn中的方法实现Apriori算法代码

sklearn中并没有现成的Apriori算法实现，但是可以使用mlxtend库中的apriori函数实现Apriori算法。需要先安装mlxtend库：

pip install mlxtend

然后可以使用以下代码实现Apriori算法：

from mlxtend.frequent_patterns import apriori

# 构建数据集
data = [['milk', 'bread', 'eggs'],
        ['milk', 'bread'],
        ['milk', 'diaper', 'beer', 'eggs'],
        ['bread', 'diaper', 'eggs'],
        ['bread', 'diaper', 'beer']]

# 计算频繁项集
frequent_itemsets = apriori(data, min_support=0.6)

# 输出频繁项集
print(frequent_itemsets)

其中，`data`是一个包含多个交易记录的列表，每个交易记录是一个包含多个商品的列表。`min_support`是最小支持度，可以根据实际情况设置。运行以上代码，即可输出频繁项集。