zimosangtian的专栏

1. 最基本的有三种解析器。 默认为 html.parser。 官方文档推荐lxml（解析速度快，但遇到 </html> 则终止，无法解析其后内容，与 urlopen 配合使用可解决，但仍存在解析不完全的情况）。 官方文档推荐html5lib（解析最全，但速度极慢，大约是 lxml 解析速度的 4 到 5 倍）。 2 ...

FP_growth算法是韩家炜老师在2000年提出的关联分析算法，该算法和Apriori算法最大的不同有两点：第一，不产生候选集，第二，只需要两次遍历数据库，大大提高了效率，用31646条测试记录，最小支持度是2%，用Apriori算法要半个小时但是用FP_growth算法只要6分钟就可以了，效率非常明显。它的核心是FP_tree，一种树型数据结构，特点是尽量把相同元素用一个节点表示，这样就大大减

前面几篇介绍了关联规则的一些基本概念和两个基本算法，但实际在商业应用中，写算法反而比较少，理解数据，把握数据，利用工具才是重要的，前面的基础篇是对算法的理解，这篇将介绍开源利用数据挖掘工具weka进行管理规则挖掘。 weka数据集格式arff 　　arff标准数据集简介 　　weka的数据文件后缀为arff（Attribute-Relation File Format，即属性关系