数据挖掘复习

最新推荐文章于 2023-02-25 17:59:29 发布

morii6+1=7

最新推荐文章于 2023-02-25 17:59:29 发布

阅读量106

点赞数 1

文章标签：数据挖掘

本文链接：https://blog.csdn.net/qq_51390115/article/details/129207445

版权

本文介绍了数据挖掘中的关联规则分析，使用Apriori算法处理Mushroom和癌症数据集，提取频繁项集并计算关联规则。同时，文章还涉及了决策树在分类任务中的应用以及K-means聚类模型的构建。

摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
"""
Created on Thu Feb 23 15:33:28 2023

@author: lenovo
"""

关联规则
import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori,association_rules

model=TransactionEncoder()###建立模型
data=pd.read_csv('C:\\Users\\Lenovo\\Desktop\\Dataset\\Mushroom.txt',header=None,sep=' ')###读取文件
data1=(data.iloc[:,0]==2)###因为要提取毒蘑菇数据，毒蘑菇数据为首列中值为2的数据，将首列中值为2的赋值为true，否则为false
data2 = data.loc[data1]###data1中为true的数据提取出来
data2=data2.iloc[:,:-1].values.tolist()###将data2中的数据变成列表，以便使用模型对数据进行处理
data3 = model.fit(data2).transform(data2)###利用模型对数据进行处理
data4=pd.DataFrame(data3,columns=model.columns_)###将处理过的数据变为df模式
fre_item = apriori(data4, min_support=0.6) ###利用apriori算法生成频繁项集

te=