关联规则挖掘的Python代码

以下是关联规则挖掘的Python代码，使用了mlxtend库：

from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

# 构建数据集
dataset = [['牛奶','面包','尿布'],
           ['可乐','面包', '尿布', '啤酒'],
           ['牛奶','尿布', '啤酒', '鸡蛋'],
           ['面包', '牛奶', '尿布', '啤酒'],
           ['面包', '牛奶', '尿布', '可乐']]

# 将数据集转换成DataFrame格式
import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 使用apriori算法进行频繁项集挖掘
frequent_itemsets = apriori(df, min_support=0.6, use_colnames=True)

# 使用关联规则算法进行关联规则挖掘
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)

# 输出结果
print(rules)

其中，`dataset`是原始数据集，`min_support`是支持度的阈值，`min_threshold`是置信度的阈值。执行上述代码后，可以得到关联规则挖掘的结果。