关联规则算法及其画图(python

简介: 关联规则算法及其画图(python


1.代码:

算法的介绍和原理就不多阐述了,链接放在这里:

介绍和原理1

介绍和原理2

import numpy as np
import seaborn as sns
import pandas as pd
from matplotlib import pyplot as plt
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules
# input
df_Retails = pd.read_excel("关联.xlsx")
df_Retails.head()
# process
df_Retails = df_Retails.set_index("记录")
# output
print(df_Retails.shape)
print(df_Retails.columns)
print(df_Retails.describe())
# 统计频繁项集(支持度筛选)
df_Frequent_Itemsets = apriori(df_Retails,min_support=0.07,use_colnames=True)
print(df_Frequent_Itemsets)
# 计算关联规则(提升度筛选)
df_AssociationRules = association_rules(df_Frequent_Itemsets
                                        ,metric="lift"
                                        ,min_threshold=1)
print(df_AssociationRules)
# 筛选关联规则(提升度和置信度筛选)
df_A=df_AssociationRules[(df_AssociationRules["lift"]>=1.4)&(df_AssociationRules[ "confidence"]>=0.35)]
print(df_A)
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 画散点图
# 创建一个新的图形,并设置背景色为浅棕色
fig = plt.figure(facecolor='#F5DEB3')
ax = fig.add_subplot(111)
ax.set_facecolor('#F5DEB3')
plt.title("散点图")
plt.scatter(df_AssociationRules["support"], df_AssociationRules["confidence"], s=[lift ** 13 for lift in df_AssociationRules["lift"]], c="#866D0D") # 这里数据可能不太好,所以为了效果明显,所以扩大为了原来的13次方
plt.xlabel('support')
plt.ylabel('confidence')
plt.title('散点图')
plt.show()

2.效果:

目录
相关文章
|
13天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
25天前
|
机器学习/深度学习 算法 数据挖掘
请解释Python中的决策树算法以及如何使用Sklearn库实现它。
决策树是监督学习算法,常用于分类和回归问题。Python的Sklearn库提供了决策树实现。以下是一步步创建决策树模型的简要步骤:导入所需库,加载数据集(如鸢尾花数据集),划分数据集为训练集和测试集,创建`DecisionTreeClassifier`,训练模型,预测测试集结果,最后通过`accuracy_score`评估模型性能。示例代码展示了这一过程。
|
3天前
|
算法 数据可视化 数据挖掘
使用Python实现DBSCAN聚类算法
使用Python实现DBSCAN聚类算法
135 2
|
5天前
|
算法 数据可视化 数据挖掘
使用Python实现K均值聚类算法
使用Python实现K均值聚类算法
14 1
|
8天前
|
机器学习/深度学习 算法 Python
使用Python实现随机森林算法
使用Python实现随机森林算法
17 0
|
16天前
|
机器学习/深度学习 数据采集 算法
基于Apriori关联规则的电影推荐系统(附python代码)
这是一个基于Apriori算法的电影推荐系统概览。系统通过挖掘用户评分数据来发现关联规则,例如用户观看某部电影后可能感兴趣的其他电影。算法核心是逐层生成频繁项集并设定最小支持度阈值,之后计算规则的置信度。案例中展示了数据预处理、频繁项集生成以及规则提取的过程,具体包括用户评分电影的统计分析,如1-5部电影的评分组合。最后,通过Python代码展示了Apriori算法的实现,生成推荐规则,并给出了一个简单的推荐示例。整个过程旨在提高推荐的精准度,基于用户已评分的电影推测他们可能尚未评分但可能喜欢的电影。
基于Apriori关联规则的电影推荐系统(附python代码)
|
19天前
|
算法 Python
数据结构与算法 经典排序方法(Python)
数据结构与算法 经典排序方法(Python)
23 0
|
24天前
|
算法 搜索推荐 测试技术
python排序算法及优化学习笔记1
python实现的简单的排序算法,以及算法优化,学习笔记1
33 1
|
1月前
|
机器学习/深度学习 算法 生物认证
基于深度学习的人员指纹身份识别算法matlab仿真
基于深度学习的人员指纹身份识别算法matlab仿真
|
23天前
|
传感器 算法 计算机视觉
基于肤色模型和中值滤波的手部检测算法FPGA实现,包括tb测试文件和MATLAB辅助验证
该内容是关于一个基于肤色模型和中值滤波的手部检测算法的描述,包括算法的运行效果图和所使用的软件版本(matlab2022a, vivado2019.2)。算法分为肤色分割和中值滤波两步,其中肤色模型在YCbCr色彩空间定义,中值滤波用于去除噪声。提供了一段核心程序代码,用于处理图像数据并在FPGA上实现。最终,检测结果输出到"hand.txt"文件。