Apriori算法 设置最小支持度和置信度Python 3 （ipykernel）

Apriori算法是一种用于挖掘频繁项集和关联规则的经典算法。在使用Apriori算法时，我们需要设置最小支持度和置信度来筛选出频繁项集和关联规则。下面是一个Python 3中设置最小支持度和置信度的示例代码：

# 导入Apriori算法库
from efficient_apriori import apriori

# 定义数据集
transactions = [('面包', '牛奶', '啤酒'),
                ('面包', '尿布', '啤酒', '鸡蛋'),
                ('牛奶', '尿布', '啤酒', '可乐'),
                ('面包', '牛奶', '尿布', '啤酒'),
                ('面包', '牛奶', '尿布', '可乐')]

# 设置最小支持度和置信度
min_support = 0.5
min_confidence = 0.7

# 使用Apriori算法挖掘频繁项集和关联规则
itemsets, rules = apriori(transactions, min_support=min_support, min_confidence=min_confidence)

# 输出结果
print("频繁项集：", itemsets)
print("关联规则：", rules)

在这个示例中，我们使用了`efficient_apriori`库中的`apriori()`函数来实现Apriori算法，并设置了最小支持度和置信度。`transactions`是我们定义的数据集，其中每个元素表示一次交易，每个元素是一个项的集合。`min_support`和`min_confidence`分别表示最小支持度和最小置信度的阈值。`itemsets`保存了所有的频繁项集，`rules`保存了所有的关联规则。你可以根据你的具体需求修改和扩展这个示例代码。