金融数据挖掘—科学计算语言---算法篇—关联规则算法

金融数据挖掘—科学计算语言—算法篇

关联规则算法

关联规则分析：是数据挖掘中一种简单而实用的技术，通过深入分析数据，寻找事务间的关联性，挖掘频繁出现的组合，并描述组合内对象同时出现的模式和规律。
关联规则分析概念，最早是1993年由Agrawal，Imielinski和Swami提出的。其主要研究目的是通过分析超市顾客购买行为的规律，发现连带购买商品，进而以此为依据来改善货架摆放方案（该分析称为购物篮分析）。Agrawal从数学及计算机算法角度出发，提出了商品关联关系的计算方法—Apriori算法。

Apriori算法步骤：
步骤1：设定最小支持度和最小置信度。
步骤2：根据最小支持度找出所有的频繁项集。
步骤3：根据最小置信度发现强关联规则。

练习1.

from apyori import apriori

t = [['A','B','C'],['A','B'],['B','C'],['A','B','C','D'],['B','C','D']]
re = apriori(t, min_support=0.4, min_confidence=0.8)

re=list(re)
re

# 提取results中的关联规则，并通过字符串拼接的方式将关联规则更好的呈现
for i in re:
    for j in i.ordered_statistics: # 获取频繁集中关联规则
        X = j.items_base  #关联规则的前件
        Y = j.items_add  #关联规则的后件
        x = ', '.join([k for k in X])  #连接前件中的元素
        y = ', '.join([k for k in Y])  #连接后件中的元素
        if x!="":
            print(x + '→'+y)

练习2.

import pandas as pd

df = pd.read_excel('中医辨证.xlsx')
s = []

for i in df['病人症状'].tolist():
    s.append(i.split(','))

df["病人症状"].tolist()[0].split(",")

rules = apriori(s,min_support=0.1,min_confidence=0.7)
results = list(rules)
print(results)

# 通过字符串拼接的方式将关联规则更好的呈现
for i in results:
    for j in i.ordered_statistics:
        X = j.items_base
        Y = j.items_add
        x = ''.join([k for k in X])
        y = ''.join([k for k in Y])
        if x != '':
            print(x + '→' + y)