mlxtend实现简单的Apriori算法(关联算法)
2021/9/12 11:05:08
本文主要是介绍mlxtend实现简单的Apriori算法(关联算法),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
关联算法有几个重要的概念:
下面以官方教程为例
[['Apple', 'Beer', 'Rice', 'Chicken'], ['Apple', 'Beer', 'Rice'], ['Apple', 'Beer'], ['Apple', 'Bananas'], ['Milk', 'Beer', 'Rice', 'Chicken'], ['Milk', 'Beer', 'Rice'], ['Milk', 'Beer'], ['Apple', 'Bananas']]
支持度
例子
置信度
from mlxtend.preprocessing import TransactionEncoder info = [['Apple', 'Beer', 'Rice', 'Chicken'], ['Apple', 'Beer', 'Rice'], ['Apple', 'Beer'], ['Apple', 'Bananas'], ['Milk', 'Beer', 'Rice', 'Chicken'], ['Milk', 'Beer', 'Rice'], ['Milk', 'Beer'], ['Apple', 'Bananas']] #print(filelist) TE = TransactionEncoder() datas = TE.fit_transform(info) import pandas as pd df = pd.DataFrame(datas, columns=TE.columns_) print(df) from mlxtend.frequent_patterns import apriori item = apriori(df, min_support=0.4, use_colnames=True) item[item['itemsets'].apply(lambda x: len(x))>=2] print(item) from mlxtend.frequent_patterns import association_rules rules = association_rules(item,min_threshold=0.8) print(rules) for i, j in rules.iterrows(): X = j['antecedents'] Y = j['consequents'] x = ','.join(item for item in X ) y = ','.join(item for item in Y) print(x + '->'+y)
这篇关于mlxtend实现简单的Apriori算法(关联算法)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-15matplotlib作图不显示3D图,怎么办?
- 2024-06-1503-Loki 日志监控
- 2024-06-1504-让LLM理解知识 -Prompt
- 2024-06-05做软件测试需要懂代码吗?
- 2024-06-0514-ShardingSphere的分布式主键实现
- 2024-06-03为什么以及如何要进行架构设计权衡?
- 2024-05-31全网首发第二弹!软考2024年5月《软件设计师》真题+解析+答案!(11-20题)
- 2024-05-31全网首发!软考2024年5月《软件设计师》真题+解析+答案!(21-30题)
- 2024-05-30【Java】百万数据excel导出功能如何实现
- 2024-05-30我们小公司,哪像华为一样,用得上IPD(集成产品开发)?