关联分析-Apriori法python代码注解

最新推荐文章于 2024-04-22 23:03:04 发布

winglessbird

最新推荐文章于 2024-04-22 23:03:04 发布

阅读量1.1k

点赞数 1

文章标签： apriori python 关联分析

本文链接：https://blog.csdn.net/wait_never/article/details/51352571

版权

这篇博客介绍了Apriori算法在Python中的实现，通过创建频繁项集和生成关联规则来挖掘数据中的关联模式。文章详细阐述了算法的主要思想，并提供了Python代码示例。同时，博主还分享了关于极大频繁集、闭频繁集的概念，以及一些练习题以加深理解。

摘要由CSDN通过智能技术生成

自己的一点点领悟,可能会有点小错误,欢迎交流^_^

获得频繁项集

主要思想

这里写图片描述

python代码

def loadDataSet():
    return [[1,3,4],[2,3,5],[1,2,3,5],[2,5]]

createC1(dataSet)获得所有第一层的所有项集

这里写图片描述

def createC1(dataSet):
    C1 = []
    for transaction in dataSet:
        for item in transaction:
            if not [item] in C1:
                C1.append([item])

    C1.sort()
    return map(frozenset,C1)

#scanD是根据训练数据D,来判断Ck里面一堆的项集是否是频繁的。

def scanD(D,Ck,minSupport):
    ssCnt = {}
    for tid in D:
        for can in Ck:
            if can.issubset(tid):
                if not ssCnt.has_key(can): ssCnt[can] = 1
                else: ssCnt[can] += 1
    numItems = float(len(D))
    retList = []
    supportData = {}
    for key in ssCnt:
        support = ssCnt[key] / numItems
        if support >= minSupport:
            retList.insert(0,key)
        supportData[key] = support