四.关联规则

关联规则：物品与物品之间的关联关系；例如：一个人购买A，那么他购买B的概率多大

        支持度：是指一件或多件物品出现的次数在总次数中所占的比例；

  

        置信度：在一件事情发生的情况下另一件事情发生的概率；

        提升度：（a->b）=置信度（a->b）/支持度（b）

python代码实现简单的关联规则：

from efficient_apriori import apriori
data = [
    ["牛奶","面包","尿布"],
    ["可乐","面包","尿布","啤酒"],
    ["牛奶", "尿布", "啤酒","鸡蛋"],
    ["牛奶", "面包", "尿布","啤酒"],
    ["牛奶", "面包", "尿布","可乐"],
]
def a1():
    items,rules=apriori(transactions=data,min_support=0.5,min_confidence=1)
    print("频繁项:",items)
    print("关联规则:",rules)
if __name__ == '__main__':
        a1()

运行结果

import csv
def a2():
    #打开文件
    f2=open("../data/4.2.csv","r",encoding="utf-8")
    #读取文件内容
    raw=csv.reader(f2)
    data1=[]
    #每一行
    for m in raw:
        data2=[]
        #每一列
        for col in m:
            data2.append(col.strip())#strip:去空格
        data1.append(data2[1:])
    data=[i for i in data1 if i!=[]]
    item,rules=apriori(transactions=data,min_support=0.3,min_confidence=1)
    print("频繁项:", item)
    print("关联规则:", rules)
if __name__ == '__main__':
        a2()

运行结果：

最小置信度通过影响频繁项而影响关联规则，最小置信度直接影响关联规则

文章仅代表小编个人理解，如有错误还望斧正