【机器学习】【贝叶斯算法】Python实现数据预处理实战演练（以购物数据为例）

不断向上的萝卜

已于 2024-02-01 11:30:26 修改

阅读量665

点赞数 6

文章标签：机器学习 python 人工智能

于 2024-01-31 12:18:54 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_62100318/article/details/135950611

版权

本文介绍了如何使用pandas和mlxtend库对零售购物篮数据进行预处理，包括从字符串转换为数值编码，提取频繁项集以及计算关联规则的lift值，以发现购物行为中的潜在规律。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules
retail_shopping_basket = {'ID': [1, 2, 3, 4, 5, 6],
                          'Basket': [['Beer', 'Diaper', 'Pretzels', 'Chips', 'Aspirin'],
                                     ['Diaper', 'Beer', 'Chips', 'Lotion', 'Juice', 'BabyFood', 'Milk'],
                                     ['Soda', 'Chips', 'Milk'],
                                     ['Soup', 'Beer', 'Diaper', 'Milk', 'IceCream'],
                                     ['Soda', 'Coffee', 'Milk', 'Bread'],
                                     ['Beer', 'Chips']]
                          }
retail = pd.DataFrame(retail_shopping_basket)
retail =