原创力文档- 1、本文档共2页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
关联规则挖掘python案例
下面是一个使用Python进行关联规则挖掘的案例：
```python
importpandas
importapyori
data=pandas.read_csv(D:\\DATA\\pycase\\number2\\8.1\\Data.csv)
#apriori与pandas包输出数据格式不兼容，所以进行格式转换
transactions=data.groupby(by=交易ID).apply(lambdax:list(x.购买商品))
#设置参数
min_support=0.5
min_confidence=0.5
min_lift=0.5
max_length=3
#调用apriori方法
results=list(apriori(transactions,min_support=min_support,min_confidence=min_confidence,min_lift=min_lift,max_length=max_length))
#输出度（support），自信度（confidence），提升度（lift），基础项（items_base），推导项（items_add）
supports=[]
confidences=[]
lifts=[]
bases=[]
adds=[]
forrinresults:
supports.append(r.support)
confidences.append(r.ordered_statistics(0).confidence)
lifts.append(r.ordered_statistics(0).lift)
bases.append(list(r.ordered_statistics(0).items_base))
adds.append(list(r.ordered_statistics(0).items_add))
result=pandas.DataFrame({support:supports,confidence:confidences,lift:lifts,bases:bases,adds:adds})
print(result)
```
在这个案例中，我们首先导入了所需的库，然后加载了数据集。接着，我们将数据集转换为交易数据，并设置了关联规则挖掘的参数。然后，我们调用`apriori`方法进行关联规则挖掘，并输出度、自信度、提升度、基础项和推导项等结果。
请注意，上述代码只是一个简单的示例，实际的关联规则挖掘可能需要更复杂的数据预处理和参数调整。如果你有特定的数据和问题
文档评论（0）