- 1 - 

关联规则

apriori

算法

python 

关联规则是数据挖掘中常用的一种技术，

通过挖掘数据集中各项

之间的关联关系，发现它们之间的规律性，进而为商业决策、产品推

荐等提供支持。

Apriori

算法是实现关联规则挖掘的一种常用方法，

其主要思想是通过寻找频繁项集，从而推导出关联规则。

在

Python

中实现

Apriori

算法，可以使用第三方库

`mlxtend`

。

首先需要导入相关库，包括

`numpy`

和

`pandas`

用于数据处理、

`mlxtend`

用于实现

Apriori

算法。代码如下：

    ```python 

    import numpy as np 

    import pandas as pd 

    from mlxtend.frequent_patterns import apriori 

    from mlxtend.frequent_patterns import association_rules 

    ``` 

接下来，

需要读取数据集并进行预处理。

数据集应该是一个包含

多个样本的二维数组，

每个样本代表一个事务，

每个事务包含多个项。

这里以示例数据集

`groceries.csv`

为例：

    ```python 

    # 

读取数据

    data = pd.read_csv('groceries.csv', header=None) 

    # 

将数据转为

one-hot

编码

    data_encoded = pd.get_dummies(data)