本篇内容主要讲解“Python关联规则是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python关联规则是什么”吧!1.1 基本概念项集：item的集合，如集合{牛奶、麦片、糖}是一个3项集，可以认为是购买记录里物品的集合。频繁项集：顾名思义就是频繁出现的item项的集合。如何定义频 香港云主机繁呢？用比例来判定，关联规则中采用支持度和置信度两个概念来计算比例值支持度：共同出现的项在整体项中的比例。以购买记录为例子，购买记录100条，如果商品A和B同时出现50条购买记录（即同时购买A和B的记录有50），那边A和B这个2项集的支持度为50% 置信度：购买A后再购买B的条件概率，根据贝叶斯公式，可如下表示：提升度：为了判断产生规则的实际价值，即使用规则后商品出现的次数是否高于商品单独出现的评率，提升度和衡量购买X对购买Y的概率的提升作用。如下公式可见，如果X和Y相互独立那么提升度为1，提升度越大，说明X->Y的关联性越强1.2 关联规则Apriori算法关联规则方法的步骤如下：发现频繁项集找出关联规则Apriori算法是经典的关联规则算法。Apriori算法的目标是找到最大的K项频繁集。Apriori算法从寻找1项集开始，通过最小支持度阈值进行剪枝，依次寻找2项集，3项集直到没有更过项集为止。下面是一个案例图解：图中有4个记录，记录项有1，2，3，4，5若干首先先找出1项集对应的支持度（C1），可以看出4的支持度低于最小支持阈值，先剪掉（L1）。从1项集生成2项集，并计算支持度（C2），可以看出（1，5）（1，2）支持度低于最小支持阈值，先剪掉（L2）从2项集生成3项集，（1，2，3）（1，2，5）（2，3，5）只有（2，3，5）满足要求没有更多的项集了，就定制迭代关联规则目前在scikit-learn中并没有实现。这里介绍另一个python库mlxtend。2.1 安装2.2 简单的例子来看下数据集：数据格式处理，传入模型的数据需要满足bool值的格式计算频繁项集计算关联规则 选择出来关联规则之后，根据提升度排序后，可能最高提升度的规则是在我们常识范围内，那这个规则的价值就不高。所以我们要在产生的规则中根据业务特点进行筛选，像开篇提到（啤酒->尿布）完全不同的品类之间的关联。到此，相信大家对“Python关联规则是什么”有了更深的了解，不妨来实际操作一番吧！这里是开发云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
这篇文章主要为 香港云主机大家展示了“Unity中的 Shader渲染模式有几种”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Unity中的 Shader渲染模式有几种”这篇文章吧。Unity 中的 Shader …
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
