python中如何进行数据关联挖掘

1、经过分析，我决定使用Oranges进行关联规则的实现，原因如下：

FP-growth算法比Apriori算法时间复杂度低

Orange3是一整套数据挖掘工具包，学习后可以熟悉相关操作，进行其他的数据挖掘算法的研究

2、pymining不再维护，Orange3仍然是一个非常活跃的包，更新频繁

Orange3实现的结果比较多，除了规则外，还能够计算出评价结果的相关数据

3、数据输入

对于使用函数包来说，我们不用管函数实现的方法，只有研究数据输入的格式即可。

Orange3的关联规则输入支持两种形式：

布尔类型

字符串类型

4、对于布尔类型

每一个行向量代表一个属性是否存在的数据结构

>>> Xarray([[False,  True, ...,  True, False],       [False,  True, ...,  True, False],       [ True, False, ..., False, False],       ...,       [False,  True, ...,  True, False],       [ True, False, ..., False, False],       [ True, False, ..., False, False]], dtype=bool)

5、比如上面的数据X，注意这个array(属于numpy里面的多维数组)。类型一定是bool才行。 这个二维数组每一个行的维度都是一样的，这样得到的规则结果就是纯粹数组直接的关联 规则，我们要自己讲对于规则的数字和属性名称对于起来。 

6、比如结果可能是这样：>> rules    [(frozenset({17, 2, 19, 20, 7}), frozenset({41}), 41, 1.0),     (frozenset({17, 2, 19, 7}), frozenset({41}), 41, 1.0),     ...     (frozenset({20, 7}), frozenset({41}), 41, 1.0),     (frozenset({7}), frozenset({41}), 41, 1.0)]

1