Apriori算法介绍（Python实现）

if conf >= min_conf and big_rule not in big_rule_list:

# print freq_set-sub_set, " => ", sub_set, "conf: ", conf

big_rule_list.append(big_rule)

sub_set_list.append(freq_set)

return big_rule_list

if __name__ == "__main__":

"""

Test

"""

data_set = load_data_set()

L, support_data = generate_L(data_set, k=3, min_support=0.2)

big_rules_list = generate_big_rules(L, support_data, min_conf=0.7)

for Lk in L:

print "="*50

print "frequent " + str(len(list(Lk)[0])) + "-itemsets\t\tsupport"

print "="*50

for freq_set in Lk:

print freq_set, support_data[freq_set]

print "Big Rules"

for item in big_rules_list:

print item[0], "=>", item[1], "conf: ", item[2]

Apriori算法是经典的发掘频繁项集和接洽关系规矩的数据发掘算法。A priori在拉丁语中指”来自以前”。当定义问题时，平日会应用先验常识或者假设，这被称作”一个先验”(a priori)。Apriori算法的名字恰是基于如许的事实：算法应用频繁项集性质的先验性质，即频繁项集的所有非空子集也必定是频繁的。Apriori算法应用一种称为逐层搜刮的迭代办法，个中k项集用于摸索(k+1)项集。起首，经由过程扫描数据库，累计每个项的计数，并收集知足最小支撑度的项，找出频繁1项集的集合。该集合记为L1。然后，应用L1找出频繁2项集的集合L2，应用L2找出L3，如斯下去，直到不克不及再找到频繁k项集。每找出一个Lk须要一次数据库的完全扫描。Apriori算法应用频繁项集的先验性质来紧缩搜刮空间。

代码运行结不雅截图如下：

【编辑推荐】

若何做好数据精细化分析，让你的运营效不雅指数级增长？
微信高可用分布式数据库PhxSQL设计与实现
Hadoop常见缺点和处理方法
数据分析与可视化，你靠什么搞定？
六个提示预防企业数据产生灾害

【义务编辑：武晓燕 TEL：（010）68476606】

6/6 首页上一页 4 5 6

　　推荐阅读

　　家用NAS有什么用?充分挖掘你的NAS功能

家用NAS有什么竽暌姑?具体整顿如下：1. 存储所有照片并分类整顿。2. 建立本身的视频办事器，出差在外可以播放家里的视频、音频，看照片。3. 存储大年夜量音乐，经由过程光纤声卡直接连到音>>>详细阅读

本文标题：Apriori算法介绍（Python实现）

地址：http://www.17bianji.com/lsqh/34841.html

1/2 1