Apriori算法的应用（python）

前言

实验内容：
了解Apriori算法的实现过程以及应用原理，最后用Python实现Apriori聚类算法。

一、实验步骤以及实现

1.构造原始数据，通过def实现。

2.将所有元素转换为frozenset型字典，存放到列表中。

3.过滤掉不符合支持度的集合

4生成所有可以组合的集合。

5.对规则进行评估 获得满足最小可信度的关联规则。

6.生成候选规则集合。

7…建立main函数进行实现。

二、调试过程

1.找出所有的频繁项集。

2.由频繁项集产生强关联规则。

实验结果：

总结

实验结果：
通过Apriori算法，成功实现聚类算法，该算法是经典的挖掘频繁项集和关联规则的数据挖掘算法，通过构造模拟集合，发现了它运行的机制以及算法的原理。

遇到的问题：
1.刚开始数据操作杂糅，比较冗余。
解决方法：参考大佬给的提示和帮助，通过建立一个函数，将所有元素转换为frozenset型字典，存放到列表中，这方便以后直接可以将这些值作为字典的键，大大减少编写的难度，避免了杂糅。提高了可观性。
实验心得：
本次实验对Apriori关联算法有了一定的了解，该算法基于频繁项集和关联规则，和以往经历的算法并不一样，所以实现该算法的第一步就是构造好的频繁项集，并找出所有的频繁项集，来推出强关联规则，应用区域广泛，本次实验牛刀小试收获颇多。