Question

以下是apriori的一些简单代码

import csv
import apriori

with open('dataset.csv', 'r') as fp:
  reader = csv.reader(fp)
  lst1,lst2 = [],[]
  for row in reader:
    others,last = row[:-1],row[-1]
    lst1.append(others)
    lst2.append(last)

L,suppData=apriori.apriori(lst1, minSupport =0.3)
rules = apriori.generateRules(L,suppData, minConf = 0.3)
rules = sorted(rules, key=lambda x: x[2], reverse=True)

以下是数据集

p1,p2,p3,A
p1,p2,B
p1,p2,C
p1,p2,D
p2,p3,E
p1,p2,p3,F
p1,p3,G

规则的输出看起来像

[(frozenset(['p1']), frozenset(['p2']), 0.8333333333333334), (frozenset(['p2']), frozenset(['p1']), 0.8333333333333334), (frozenset(['p3']), frozenset(['p2']), 0.75), (frozenset(['p3']), frozenset(['p1']), 0.75), (frozenset(['p2']), frozenset(['p3']), 0.5), (frozenset(['p1']), frozenset(['p3']), 0.5)]

查看产品购物车的正确有效方法是什么，这是一个逗号分隔的字符串，如[p1，p2]，并推荐接下来的两个最佳产品。

cart = ['p1','p2']
recommend=[]
for fz in rules:
     if( ",".join(sorted(fz[0])) == ",".join(cart) ):
        recommend.extend(sorted(fz[1]))

上面的代码无法处理所有条件..

Answer 1

循环遍历所有关联规则。得到那些包含p1和p2的关联规则作为规则左侧站点的频繁项集，即[p1，p2 - ＆gt; X]。其中x是另一个具有最多两个项目的频繁项目集。你可以使用像[p1 - ＆gt;这样的关联规则x]，[p2 - ＆gt; x]以及。现在从这些关联规则获得最大支持和最大信心。最好的情况是，具有最大支持和置信度的关联规则是这种关联规则[p1，p2 - ＆gt; q1，q2]。 q1，q2是您推荐的产品。

关联规则与购物车比较

1 个答案: