关联算法，特征算法python实现

最新推荐文章于 2024-04-22 23:03:04 发布

TKE_aoliao

最新推荐文章于 2024-04-22 23:03:04 发布

阅读量344

点赞数

文章标签：大数据数据挖掘

本文链接：https://blog.csdn.net/surijing/article/details/105228998

版权

本文介绍了如何使用Python进行数据关联分析，重点探讨了Apriori算法的实现，并涉及特征选择的过程，旨在提升大数据挖掘的效果。

摘要由CSDN通过智能技术生成

利用python对数据关联分析，实现Apriori算法

def apriori(D, minSup):
    '''频繁项集用keys表示，
    key表示项集中的某一项，
    cutKeys表示经过剪枝步的某k项集。
    C表示某k项集的每一项在事务数据库D中的支持计数
    '''
    #先求出1项集合及其支持计数，注意此处C1是字典，key为项集，value是计数
    C1 = {
   }
    for T in D:
        for I in T:
            if I in C1:
                C1[I] += 1
            else:
                C1[I] = 1

    print(C1)
    _keys1 = C1.keys()

    keys1 = []
    for i in _keys1:
        keys1.append([i])

    n = len(D)
    cutKeys1 = []
    #对keys1(1项集）进行剪枝步
    for k in keys1[:]:
        if C1[k[0]] * 1.0 / n >= minSup:
            cutKeys1.append