#-*- coding: utf-8 -*-
from __future__ import print_function
import pandas as pd
#自定義連線函式，用於實現l_到c_k的連線
def connect_string(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
def find_rule(d, support, confidence, ms = u'--'):
result = pd.dataframe(index=['support', 'confidence']) #定義輸出結果
support_series = 1.0*d.sum()/len(d) #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
print(u'\n正在進行第%s次搜尋...' %k)
column = connect_string(column, ms)
print(u'數目：%s...' %len(column))
sf = lambda i: d[i].prod(axis=1, numeric_only = true) #新一批支援度的計算函式
#建立連線資料，這一步耗時、耗記憶體最嚴重。當資料集較大時，可以考慮並行運算優化。
d_2 = pd.dataframe(list(map(sf,column)), index = [ms.join(i) for i in column]).t
support_series_2 = 1.0*d_2[[ms.join(i) for i in column]].sum()/len(d) #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，如究竟是a+b-->c還是b+c-->a還是c+a-->b？
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_values(by = ['confidence','support'], ascending = false) #結果整理，輸出
print(u'\n結果為：')
print(result)
return result
關聯規則apriori演算法的python實現
學了兩天python，想實踐下，正好最近在學習資料探勘，先用python實現下 注 由於後面加了注釋，由於編碼問題，可能即使是注釋，有的環境也不支援漢字的編碼，執行報錯的話可以將漢字刪除後再執行 環境 ubuntu 13.4 python 2 import itertools import copy...
Apriori 關聯規則演算法
關聯規則通過量化的數字描述物品甲的出現對物品乙的出現有多大的影響。它的模式屬於描述型模式，發現關聯規則的演算法屬於無監督學習的方法。其實是一種事物相關性的 通過對比支援度，進行剪枝，將支援度高的分支留下，繼續探尋關聯，直到再沒有高於最小支援度為止。應用場景比較廣泛，購物籃資料，醫療診斷，科學資料分析...
Apriori關聯規則演算法
例子 支援度 支援度是乙個百分比，指某個商品組合出現的次數與總次數之間的比例，支援度越高表示該組合出現的機率越大。在上面圖中我們可以發現 牛奶 出現了 4 次，那麼這 5 筆訂單中 牛奶 的支援度就是 4 5 0.8。同樣 牛奶 麵包 出現了 3 次，那麼這 5 筆訂單中 牛奶 麵包 的支援度就是 ...