Apriori关联算法的python3实现（使用早餐数据）

最新推荐文章于 2022-12-30 10:27:07 发布

qiuqiu1027

最新推荐文章于 2022-12-30 10:27:07 发布

阅读量818

点赞数

分类专栏： python代码商业分析文章标签： python 关联算法推荐系统

本文链接：https://blog.youkuaiyun.com/qiuqiu1027/article/details/106202566

版权

本文介绍了如何用Python3实现Apriori关联算法，以早餐订单数据为例，共60条记录。通过设置不同的支持度和置信度阈值，挖掘数据中的频繁项集，用于推荐系统或市场篮子分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

定义函数

def createC1(dataSet):
    C1 = []
    for transaction in dataSet:
        for item in transaction:
            if not [item] in C1:
                C1.append([item]) #store all the item unrepeatly

    C1.sort()
    #return map(frozenset, C1)#frozen set, user can't change it.
    return list(map(frozenset, C1))

def scanD(D,Ck,minSupport):
#参数：数据集、候选项集列表 Ck以及感兴趣项集的最小支持度 minSupport
    ssCnt={}
    for tid in D:#遍历数据集
        for can in Ck:#遍历候选项
            if can.issubset(tid):#判断候选项中是否含数据集的各项
                #if not ssCnt.has_key(can): # python3 can not support
                if not can in ssCnt:
                    ssCnt[can]=1 #不含设为1
                else: ssCnt[can]+=1#有则计数加1
    numItems=float(len(D))#数据集大小
    retList = []#L1初始化
    supportData = {}#记录候选项中各个数据的支持度
    for key in ssCnt:
        support = ssCnt[key]/numItems#计算支持度
        if support >= minSupport:
            retList.insert(0,key)#满足条件加

最低0.47元/天解锁文章