Apriori演算法學習筆記 三

2021-07-29 18:30:43 字數 1891 閱讀 4921

apriori演算法的python實現

from __future__ import print_function

import pandas as pd

# 頻繁規則的產生

# 用於實現l_到c_k的連線

deffind_freq_set

(x, ms):

x = list(map(lambda i: sorted(i.split(ms)), x))

l = len(x[0])

r =

for i in range(len(x)):

for j in range(i, len(x)):

if x[i][:l - 1] == x[j][:l - 1] and x[i][l - 1] != x[j][l - 1]:

return r

# 尋找關聯規則的函式

deffind_rule

(data, support, confidence, ms=u'--'):

result = pd.dataframe(index=['support', 'confidence']) # 定義輸出結果

support_series = 1.0 * data.sum() / len(data) # 支援度序列

column = list(support_series[support_series > support].index) # 初步根據支援度篩選

k = 0

while len(column) > 1:

k = k + 1

column = find_freq_set(column, ms)

sf = lambda i: data[i].prod(axis=1, numeric_only=true) # 新一批支援度的計算函式

# 當資料集較大時,可以批量處理資料防止記憶體不足。

data_2 = pd.dataframe(list(map(sf, column)), index=[ms.join(i) for i in column]).t

support_series_2 = 1.0 * data_2[[ms.join(i) for i in column]].sum() / len(data) # 計算連線後的支援度

column = list(support_series_2[support_series_2 > support].index) # 新一輪支援度篩選

column2 =

for i in column: # 遍歷可能的推理

i = i.split(ms)

for j in range(len(i)):

cofidence_series = pd.series(index=[ms.join(i) for i in column2]) # 定義置信度序列

for i in column2: # 計算置信度序列

cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))] / support_series[ms.join(i[:len(i) - 1])]

for i in cofidence_series[cofidence_series > confidence].index: # 置信度篩選

result[i] = 0.0

result[i]['confidence'] = cofidence_series[i]

result[i]['support'] = support_series[ms.join(sorted(i.split(ms)))]

result = result.t.sort(['confidence', 'support'], ascending=false)

return result

Apriori 演算法學習

近來小看關聯分析的apriori演算法,參考 資料探勘 概念與技術3rd 作此篇。支援度 support support a b p a u b 置信度 confidence confidence a b p b a 項集 itemset 包含k個項的項集成為k項集 頻繁項集 frequent it...

演算法學習(三)

快慢指標 雙指標 兩個指標指向不同元素,從而協同完成任務,主要用於遍歷元素。對撞指標,快慢指標,滑動視窗 對撞指標是指在陣列中,將指向最左側的索引定義為左指標,最右側的定義為右指標,然後從兩頭向中間進行陣列遍歷。leetcode 167 兩數之和 ii 輸入有序陣列 給定乙個已按照 公升序排列 的整...

演算法 學習筆記

1.輸入輸出演算法至少有乙個或多個輸出 2.有窮性 3.確定性 4.可行性 1.正確性a.演算法程式沒有語法錯誤 b.演算法程式對於合法的輸入資料能夠產生滿足要求的輸出結果 c.演算法程式對於非法的輸入資料能夠得出滿足規格說明的結果 d.演算法對於精心選擇的,甚至刁難的測試資料都有滿足要求的輸出結果...