文件名称:apriori
介绍说明--下载内容来自于网络,使用问题请自行百度
收集数据:使用任何方法
准备数据:任意数据类型都可以,因为我们只保存集合
分析数据:使用任何方法
训练算法:使用Apriori算法来找到频繁项集
测试算法:不需要测试过程
使用算法:用于发现频繁项集以及物品之间的关联规则
使用Apriori算法,首先计算出单个元素的支持度,然后选出单个元素置信度大于我们要求的数值,比如0.5或是0.7等。然后增加单个元素组合的个数,只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中,依次递归。
然后根据计算的支持度选出来的频繁项集来生成关联规则。(# Python 3 Implementation of Apriori algorithm
This program is based on [Aaron Zira's implementation of Apriori algorithm](https://github.com/aaronzira/apriori) and is adapted for use in other python 3 programs
## Dependencies
This program uses [_demjson.py_](https://github.com/dmeranda/demjson/blob/master/demjson.py) to write matrix into file
* Install with
```bash
pip3 install demjson
```
## Usage
* Initialize and learn frequency using data from file
```python 3
# data: path of data source file
# out: path of output file
AP = apriori.APriori(data='./test_datasets/transactions.dat',
out='./test_datasets/result.txt')
# This function will write Data into output file
AP.find_frequent(support=50, min_set_size=2, max_set_size=3))
准备数据:任意数据类型都可以,因为我们只保存集合
分析数据:使用任何方法
训练算法:使用Apriori算法来找到频繁项集
测试算法:不需要测试过程
使用算法:用于发现频繁项集以及物品之间的关联规则
使用Apriori算法,首先计算出单个元素的支持度,然后选出单个元素置信度大于我们要求的数值,比如0.5或是0.7等。然后增加单个元素组合的个数,只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中,依次递归。
然后根据计算的支持度选出来的频繁项集来生成关联规则。(# Python 3 Implementation of Apriori algorithm
This program is based on [Aaron Zira's implementation of Apriori algorithm](https://github.com/aaronzira/apriori) and is adapted for use in other python 3 programs
## Dependencies
This program uses [_demjson.py_](https://github.com/dmeranda/demjson/blob/master/demjson.py) to write matrix into file
* Install with
```bash
pip3 install demjson
```
## Usage
* Initialize and learn frequency using data from file
```python 3
# data: path of data source file
# out: path of output file
AP = apriori.APriori(data='./test_datasets/transactions.dat',
out='./test_datasets/result.txt')
# This function will write Data into output file
AP.find_frequent(support=50, min_set_size=2, max_set_size=3))
(系统自动生成,下载前可以参看下载内容)
下载文件列表
文件名 | 大小 | 更新时间 |
---|---|---|
apriori | 0 | 2018-04-07 |
apriori\.DS_Store | 10244 | 2018-04-07 |
__MACOSX | 0 | 2018-04-07 |
__MACOSX\apriori | 0 | 2018-04-07 |
__MACOSX\apriori\._.DS_Store | 120 | 2018-04-07 |
apriori\apriori.py | 5457 | 2018-04-07 |
__MACOSX\apriori\._apriori.py | 176 | 2018-04-07 |
apriori\test_datasets | 0 | 2018-04-07 |
apriori\test_datasets\.DS_Store | 6148 | 2018-04-07 |
__MACOSX\apriori\test_datasets | 0 | 2018-04-07 |
__MACOSX\apriori\test_datasets\._.DS_Store | 120 | 2018-04-07 |
apriori\test_datasets\result.txt | 36444 | 2018-04-07 |
apriori\test_datasets\transactions.dat | 1154828 | 2017-02-13 |
__MACOSX\apriori\test_datasets\._transactions.dat | 268 | 2017-02-13 |
apriori\test_datasets\ap_result.txt | 838 | 2018-04-07 |
apriori\test_datasets\frequent.txt | 5529336 | 2017-02-13 |
__MACOSX\apriori\test_datasets\._frequent.txt | 268 | 2017-02-13 |
apriori\test_datasets\frequent_itemsets.txt | 125928 | 2018-04-07 |
__MACOSX\apriori\test_datasets\._frequent_itemsets.txt | 268 | 2018-04-07 |
apriori\demo.py | 750 | 2018-04-07 |
本网站为编程资源及源代码搜集、介绍的搜索网站,版权归原作者所有! 粤ICP备11031372号
1999-2046 搜珍网 All Rights Reserved.