#-*- 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(['confidence','support'], ascending = false) #結果整理,輸出
print(u'\n結果為:')
print(result)
return result
#-*- coding: utf-8 -*-
#使用apriori演算法挖掘菜品訂單關聯規則
from __future__ import print_function
import pandas as pd
from apriori import * #匯入自行編寫的apriori函式
inputfile = 'e:/data/chapter5/demo/data/menu_orders.xls'
outputfile = 'e:/data/chapter5/demo/data/apriori_rules.xls' #結果檔案
data = pd.read_excel(inputfile, header = none)
print(u'\n轉換原始資料至0-1矩陣...')
ct = lambda x : pd.series(1, index = x[pd.notnull(x)]) #轉換0-1矩陣的過渡函式
b = map(ct, data.as_matrix()) #用map方式執行
data = pd.dataframe(list(b)).fillna(0) #實現矩陣轉換,空值用0填充
print(u'\n轉換完畢。')
del b #刪除中間變數b,節省記憶體
support = 0.2 #最小支援度
confidence = 0.5 #最小置信度
ms = '---' #連線符,預設'--',用來區分不同元素,如a--b。需要保證原始**中不含有該字元
find_rule(data, support, confidence, ms).to_excel(outputfile) #儲存結果
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 ...
關聯規則挖掘 Apriori演算法
1 apriori 介紹 apriori演算法使用頻繁項集的先驗知識,使用一種稱作逐層搜尋的迭代方法,k項集用於探索 k 1 項集。首先,通過掃瞄資料庫,累積每個項的計數,並收集滿足最小值尺度的項,找出頻繁 1 項集的集合,該集合記做 l1 然後利用 l1 找頻繁 2 項集的集合 l2 l2 找 l...