apriori算法的python实现

Apriori算法是一种常用的关联规则挖掘算法，它可以用来发现数据集中的频繁项集。在Python中，可以使用mlxtend库中的apriori函数来实现Apriori算法。该函数需要传入数据集和最小支持度参数，返回频繁项集和支持度。具体实现步骤如下：

1. 导入mlxtend库中的apriori函数

from mlxtend.frequent_patterns import apriori

2. 准备数据集

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']]

3. 调用apriori函数，设置最小支持度为.5

frequent_itemsets = apriori(dataset, min_support=.5)

4. 输出频繁项集和支持度

print(frequent_itemsets)

输出结果如下：

   support itemsets
      .8      (尿布)
1      .6      (牛奶)
2      .6      (面包)
3      .6      (啤酒)
4      .6  (尿布, 牛奶)
5      .8  (尿布, 面包)
6      .6  (尿布, 啤酒)