关于算法:Python在线零售数据关联规则挖掘Apriori算法数据可视化

35次阅读

共计 2101 个字符,预计需要花费 6 分钟才能阅读完成。

原文链接:http://tecdat.cn/?p=23955

关联规则学习 在机器学习中用于发现变量之间的乏味关系。Apriori 算法是一种风行的关联规定开掘和频繁项集提取算法,在关联规则学习中有利用。它旨在对蕴含交易的数据库进行操作,例如商店客户的购买(购物篮剖析)。除了购物篮剖析之外,该算法还能够利用于其余问题。例如,在网络用户导航畛域,咱们能够搜寻诸如拜访过网页 A 和网页 B 的客户也拜访过网页 C 的规定。

Python sklearn 库没有 Apriori 算法,其中 Python 库 MLxtend 用于市场篮子剖析。在这篇文章中,我将分享如何应用 Python 获取关联规定和绘制图表,为数据挖掘中的关联规定创立数据可视化。首先咱们须要失去关联规定。

从数组数据中获取关联规定

要获取关联规定,您能够运行以下代码

            

import pandas as pd




oary = ott(daset).trafrm(dtset)

df = pd(oh_ry, column=oht.cns)
print (df)

frequent = apror(df, mn_upprt=0.6, useclaes=True)

print (frequent)

 

数据挖掘中的置信度和反对度

为了抉择乏味的规定,咱们能够应用最出名的束缚,即 置信度和反对度 的最小阈值 
反对度是指我的项目集在数据集中呈现的频率。
相信 度示意规定被发现为真的频率。

suprt=rules(\['suport'\])

cofidece=rules(\['confience'\])

关联规定——散点图

建设散点图的 python 代码。因为这里有几个点有雷同的值,我增加了小的随机值来显示所有的点。

for i in range (len(supprt)):

   suport\[i\] = suport\[i\] + 0.00 * (ranom.radint(,10)- 5)
   confidence\[i\] = confidence\[i\] + 0.0025 * (rao.rant(1,10) - 5)


plt.show()

以下是反对度和置信度的散点图:

如何为数据挖掘中的关联规定创立数据可视化

为了将关联规定示意为图。这是关联规定示例:(豆,洋葱)==>(鸡蛋)

上面的有向图是为此规定构建的,如下所示。具备 R0 的节点标识一个规定,并且它总是具备传入和传出边。传入边将代表规定前项,箭头在节点旁边。

上面是一个从实例数据集中提取的所有规定的图形例子。

这是构建关联规定的源代码。

import networkx as nx 

  G1 = nx.iGaph()

   

  colr_ap=\[\]

  N = 50

  colors = np.randm.rndN)   

   

   

  for i in range (rue\_o\_w):     

    G1.a\_od\_from(\["R"+st(i)\])

    

     

    for a in rsloc\[i\]\['anedts'\]:

                

        G1.dnoesrom(\[a\])

        

        G1.adedg(a, "R"+str(i))

       

    for c in ruleioc\[i\]\[''\]:

             

            G1.addnodsom()

            

            G1.adddge"R"str(i), c, colo=\[i\], weht=2)



  for noe in G1:

       fod_astring = alse

       for iem in sts:

           if nde==itm:

                found\_a\_ring = True

       if fond_sting:

            cor_mp.apend('ellw')

       else:
            cor_mapapped('green')      




  plt.show()

在线批发数据集的数据可视化

为了对可视化进行实在感触和测试,咱们能够采纳可用的在线批发商店数据集并利用关联规定图的代码。

以下是反对度和置信度的散点图后果。这次应用 seaborn 库来构建散点图。上面是批发数据集关联规定(前 10 条规定)的可视化。


最受欢迎的见解

1. 探析大数据期刊文章钻研热点

2.618 网购数据盘点 - 剁手族在关注什么

3.r 语言文本开掘 tf-idf 主题建模,情感剖析 n -gram 建模钻研

4.python 主题建模可视化 lda 和 t -sne 交互式可视化

5.r 语言文本开掘 nasa 数据网络剖析,tf-idf 和主题建模

6.python 主题 lda 建模和 t -sne 可视化

7.Python 中的 Apriori 关联算法市场购物篮剖析

8. 通过 Python 中的 Apriori 算法进行关联规定开掘

9.python 爬虫进行 web 抓取 lda 主题语义数据分析

正文完
 0