这是最近找机器学习实习的一个笔试题：
看到这个题的时候第一想法就是用关联规则(Apriori算法)来实现。
关联规则最重要的就是支持度Support和置信度Confidence。
支持度的计算方法：
#下面式中X∩Y表示X和Y同时发生的次数，N表示总事物数
support(X->Y) = X∩Y/N
置信度的计算方法：
confidence(X->Y) = support(X->Y) / support(X)
知道支持度和置信度的计算方法之后就可以实现上面算法了，首先本题给的数据集比较大，有六百多个项，因此直接对数据进行循环操作的话时间复杂度太高，我们先根据支持度对数据进行基本筛选。
已知：若A->Z不满足支持度，则AB->Z亦不满足支持度。
因此我们先找出规则左边只有一项且满足支持度的数据，即初步剔除不满足支持度的数据，代码如下：
import pandas as pd
import numpy as np
#读取数据
path = r"Test2_Data.csv"
df = pd.read_csv(path,engine='python')
#sup支持度大于等于0.1
sup = 0.1
#N为事务数目
N = df.shape[0]
#初步筛选频繁1项集，将df更新，其中列Label为数据的最后一列
data = df[df['Label']==1]
df = df[data.sum()[(data.sum()>=N*sup)].index]
然后根据通过双层循环来选取满足置信度条件的规则，其中在左边有两项的规则中需要加入支持度条件，代码如下：
#con置信度大于等于0.7
con = 0.7
#定义变量apriori存放符合要求的关联规则X->Y
apriori = []
for i in range(df.shape[1]-1):
#X->Y的置信度等于XY同时出现的次数除以X出现的次数
#选取左边只有一项的规则
XY = df[(df['Label']==1)&(df.ix[:,i]==1)].shape[0]
Y = df[df.ix[:,i]==1].shape[0]
if(Y!=0 and XY/Y>=con):
apriori.append(df.columns[i] + '->' + 'Label')
elif(i == df.shape[1]-1):
break
for j in range(i+1,df.shape[1]-1):
# 选取左边有两项的规则
XY = df[(df['Label']==1)&(df.ix[:,i]==1)&(df.ix[:,j]==1)].shape[0]
Y = df[(df.ix[:,i]==1)&(df.ix[:,j]==1)].shape[0]
if(Y!=0 and XY/Y>=con and XY>=N*sup):
apriori.append(df.columns[i]+ df.columns[j] + '->' + 'Label')
到这里就完成了这个机器学习的笔试题。
欢迎添加个人微信号：liu2536036458。
想进入交流群的，备注：
数据分析交流群
