Python3：文本关联规则挖掘实现案例分析

生成的规则图如下所示：

Support（支持度）：表示同时包含A和B的事务占所有事务的比例。如果用P(A)表示使用A事务的比例，那么Support=P(A&B)

苍天不负有心人啊，我玩了两三个周的文本关联规则挖掘，终于实现了，我心甚慰！！！甚慰
好啦，废话不多说，上干货

import random
import numpy as np
class Association_rules:
    def __init__(self,minSupport=0.2,minConfidence=0.5):
        '''
  minSuport:最小支持度
  minConfidence:最小置信度
  dataset:数据集
  count:存放frequent itemsets 以及 support
  associationRules:满足minConfidence的关联规则
  num:元素数量
  threshold = num*minSupport：由num和minSupport算出的阈值
  '''
        self.minSupport = minSupport
        self.minConfidence = minConfidence
        self.dataset = None
        self.count = None
        self.associationRules = None
        self.num = 0
        self.threshold = 0
 
 #计算frequent itemset
    def countItem(self,upDict,elength):
        currentDict = {}
        element = list(upDict.keys())
        for i in range(len(element)-1):
            for j in range(i+1,len(element)):
                if elength-2 <1:
                    tmp=[]
                    tmp.append(element[i])
                    tmp.a