Apriori算法，挖掘數(shù)據(jù)集中項集的關(guān)聯(lián)規(guī)則學(xué)習(xí)經(jīng)典

　　import itertools

　　def apriori(transactions, min_support):
　　# 創(chuàng)建事務(wù)中唯一項目的列表
　　items = set([item for transaction in transactions for item in transaction])

　　# 初始化頻繁項集列表
　　frequent_itemsets = []

　　# 遍歷唯一項目
　　for item in items:
　　# 統(tǒng)計每個項目在事務(wù)中出現(xiàn)的次數(shù)
　　item_count = sum([1 for transaction in transactions if item in transaction])

　　# 如果項目的支持度大于等于最小支持度
　　if item_count/len(transactions) >= min_support:
　　# 將項目添加到頻繁項集列表中
　　frequent_itemsets.append((item, item_count))

　　# 遍歷頻繁項集列表
　　for i in range(1, len(frequent_itemsets)):
　　# 創(chuàng)建所有可能的項集組合列表
　　combinations = list(itertools.combinations(frequent_itemsets, i))

　　# 遍歷組合
　　for combination in combinations:
　　# 統(tǒng)計組合在事務(wù)中出現(xiàn)的次數(shù)
　　combination_count = sum([1 for transaction in transactions if 　　set(combination).issubset(transaction)])

　　# 如果組合的支持度大于等于最小支持度
　　if combination_count/len(transactions) >= min_support:
　　# 將組合添加到頻繁項集列表中
　　frequent_itemsets.append(combination)

　　# 返回頻繁項集列表
　　return frequent_itemsets

　　# 示例用法
　　transactions = [[‘A’, ‘B’, ‘C’], [‘B’, ‘C’, ‘D’], [‘A’, ‘B’, ‘D’], [‘B’, ‘C’, ‘E’]]
　　min_support = 0.5
　　print(apriori(transactions, min_support))