python实现关联规则案例_Python3：文本关联规则挖掘实现案例分析

支持度

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挖掘，终于实现了，我心甚慰！！！甚慰

一开始参考的别人的代码，数据只能分析一个字符的字符串，我这个可以分析多少个字符的字符串都没得问题啦，美滋滋，下面的代码直接复制可能会有个别缩进问题，这个是因为我网络不好，所有只能一段一段代码复制，一下子全复制上去会卡死

好啦，废话不多说，上干货

置信度

Confidence(可信度)：表示使用包含A的事务中同时包含B事务的比例，即同时包含A和B的事务占包含A事务的比例

实现代码

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