原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
关联规则实验对比代码python
关联规则实验对比代码Python
关联规则是数据挖掘中常用的方法之一，可以用来发现数据中隐藏的
关联性和趋势。现在，我们将用Python编程语言编写关联规则实验
对比代码，来实现关联规则的应用。
首先，我们需要安装下列Python库：
-NumPy：用于高性能科学计算和数据分析。
-Pandas：用于数据处理和分析工具。
-Apriori：一个用于频繁模式挖掘的算法。
安装完必要的Python库后，我们可以开始使用Python来构建我们的
应用程序。
先设置Python环境中所需的Python库：
```Python
importnumpyasnp
importpandasaspd
fromapyoriimportapriori
```
接下来，我们可以读取数据：
```Python
data=pd.read_excel(data.xlsx,header=None)
```
从文件加载数据之后，我们可以开始对数据进行一些处理，例如去重、
填充缺失值、转换数据格式等等的操作。然后，我们可以使用Apriori
算法来找出频繁项集和关联规则。
```Python
#使用Apriori算法找出频繁项集
frequent_itemsets=apriori(data,min_support=0.1,
use_colnames=True)
#使用Apriori算法找出关联规则
associations=association_rules(frequent_itemsets,associations=association_rules(frequent_itemsets,
```
然后，我们可以打印一些关联规则的信息，例如规则的置信度、支持
度、条件项等等。
```Python
print(associations[[antecedents,consequents,support,
confidence]])
```
这样，我们就可以实现我们的Python程序来找出数据集中隐藏的关
联性和趋势。接下来，我们可以将实现的代码进行对比，看看哪一段
代码会更有效率和准确。
```Python
##########代码一##########
importpandasaspd
frommlxtend.frequent_patternsimportapriori
frommlxtend.frequent_patternsimportassociation_rules
data=pd.read_excel(data.xlsx,header=None)
data=data.dropna()
data=data.astype(str).apply(lambdax:x.str.strip())
frequent_itemsets=apriori(data,min_support=0.1,
use_colnames=True)
associations=association_rules(frequent_itemsets,associations=association_rules(frequent_itemsets,
print(associations[[antecedents,consequents,support,
confidence]])
##########代码二##########
importnumpyasnp
importpandasaspd
fromapyoriimportapriori
data=pd.read_excel(data.xlsx,header=None)
data=data.dropna()
frequent_itemsets=apriori(data,min_support=0.1,
use_colnames=True)
associations=association_rules(frequent_itemsets,associations=asso
文档评论（0）