apriori算法python实现

喜欢ヅ旅行 2024-02-20 09:36 59阅读 0赞

import numpy as np

def load\_data(file\_path):

data = \[\]

with open(file\_path, 'r') as f:

for line in f.readlines():

line = line.strip().split(',')

data.append(line)

return data

def create\_C1(data):

C1 = set()

for transaction in data:

for item in transaction:

C1.add(frozenset(\[item\]))

return C1

def is\_apriori(Ck\_item, Lksub1):

for item in Ck\_item:

sub\_Ck = Ck\_item - frozenset(\[item\])

if sub\_Ck not in Lksub1:

return False

return True

def create\_Ck(Lksub1, k):

Ck = set()

len\_Lksub1 = len(Lksub1)

list\_Lksub1 = list(Lksub1)

for i in range(len\_Lksub1):

for j in range(1, len\_Lksub1):

l1 = list(list\_Lksub1\[i\])

l2 = list(list\_Lksub1\[j\])

l1.sort()

l2.sort()

if l1\[0:k-2\] == l2\[0:k-2\]:

Ck\_item = list\_Lksub1\[i\] | list\_Lksub1\[j\]

if is\_apriori(Ck\_item, Lksub1):

Ck.add(Ck\_item)

return Ck

def generate\_Lk\_by\_Ck(data, Ck, min\_support):

Lk = set()

len\_data = len(data)

item\_count = \{\}

for transaction in data:

for item in Ck:

if item.issubset(transaction):

if item not in item\_count:

item\_count\[item\] = 1

else:

item\_count\[item\] += 1

support\_data = \{key: value / len\_data for key, value in item\_count.items() if value / len\_data >= min\_support\}

for key in support\_data:

Lk.add(key)

return Lk

def apriori(data, min\_support=0.5):

C1 = create\_C1(data)

D = list(map(set, data))

L1, support\_data = generate\_Lk\_by\_Ck(D, C1, min\_support)

Lksub1 = L1.copy()

L = \[Lksub1\]

i = 2

while True:

Ci = create\_Ck(Lksub1, i)

Li, supK = generate\_Lk\_by\_Ck(D, Ci, min\_support)

if not Li:

break

Lksub1 = Li.copy()

L.append(Lksub1)

i += 1

return L, support\_data

if \_\_name\_\_ == '\_\_main\_\_':

file\_path = 'your\_file\_path.csv' \# 请替换为你的数据文件路径

data = load\_data(file\_path)

L, support\_data = apriori(data)

print("频繁项集：", L)

print("支持度数据：", support\_data)

发表评论取消回复

表情：

评论列表（有 0 条评论，59人围观）

还没有评论，来说两句吧...

相关阅读

相关 apriori算法python实现

import numpy as np def load\_data(file\_path): data = \[\] with open(file\_path, 'r')

喜欢ヅ旅行/ 2024年02月20日 09:36/ 0 赞/ 60 阅读

相关关联规则算法——Apriori算法

1.关联规则的名词解释项集：数据库中的数据项构成的非空集合事务：一个事务包含了一个或多个项集支持度：包含项集x的事务数量与全部事务数量的百分比置信度：同时包

梦里梦外;/ 2023年09月28日 10:44/ 0 赞/ 27 阅读

相关 Apriori算法

Apriori算法是第一个关联规则挖掘算法，也是最经典的算法。它利用逐层搜索的迭代方法找出数据库中项集的关系，以形成规则，其过程由连接（类矩阵运算）与剪枝（去掉那些没必要的中间

ゝ一纸荒年。/ 2022年10月05日 04:49/ 0 赞/ 179 阅读

相关 apriori推荐算法

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。概念（1）支持度（Supp

ゝ一纸荒年。/ 2022年08月09日 11:58/ 0 赞/ 200 阅读

相关 Apriori算法简介及实现（python）

Apriori这个词的意思是“先验的”，从priori这个词根可以猜出来~;) 。该算法用于从数据中挖掘频繁项数据集以及关联规则。其核心原理是基于这样一类“先验知识”：如

墨蓝/ 2022年07月24日 04:06/ 0 赞/ 298 阅读

相关 Apriori算法

Apriori算法是我的第一个数据挖掘算法，算处女作吧，哈哈哈。在这之前我对数据挖掘算法恐惧，觉得太难了，只是大致看了下原理，然后在clementine上拖几个控件跑下dem

以你之姓@/ 2022年07月24日 03:25/ 0 赞/ 204 阅读

相关 apriori算法

一、Apriori[算法][Link 1]简介： Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。 A

我会带着你远行/ 2022年07月15日 11:41/ 0 赞/ 216 阅读

相关 Apriori算法Java实现

1. 关联算法的相关定义： 1. 频繁项集：经常出现在一块的物品集合 2. 关联规则：两种物品间可能存在很强的关系 3. suppor

布满荆棘的人生/ 2022年05月09日 04:58/ 0 赞/ 199 阅读

相关 Apriori算法核心逻辑代码实现

概述 Apriori算法是生成频繁集的一种算法。Apriori原理有个重要假设，如果某个项集是频繁的，那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集，那么它

Love The Way You Lie/ 2022年03月07日 07:14/ 0 赞/ 202 阅读

相关 Apriori算法核心逻辑代码实现

概述 Apriori算法是生成频繁集的一种算法。Apriori原理有个重要假设，如果某个项集是频繁的，那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集，那么它

系统管理员/ 2022年03月07日 07:14/ 0 赞/ 274 阅读