本文通过一个简单的例题，讲解如何利用Python进行关联规则挖掘。首先定义了一个交易数据库D，然后展示了如何查看ea包的相关信息，并利用Apriori算法分析数据库中的关联规则，调整参数设置。最后，呈现了分析得到的关联规则和支持频度。
简单例题讲解
import efficient_apriori as ea#DEFINE 交易数据库D
transactions = [('I1','I2','I5'),('I2','I4'),('I2','I3'),('I1','I2','I4'),('I1','I3'),('I2','I3'),('I1','I3'),('I1','I2','I3','I5'),('I1','I2','I3')]#显示交易数据库D
transactions [('I1', 'I2', 'I5'),
('I2', 'I4'),
('I2', 'I3'),
('I1', 'I2', 'I4'),
('I1', 'I3'),
('I2', 'I3'),
('I1', 'I3'),
('I1', 'I2', 'I3', 'I5'),
(
最低0.47元/天 解锁文章
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
