Win32控制台应用，实现Apriori算法，查找频繁子集

用Python写了一个 Apriori算法模块，测试数据用的是R里面的经典数据集Groceries.csv食品杂货店。对该数据集进行关联分析，并对结果进行打印，分别输出了各项集情况，关联规则和最受欢迎的前五个商品。大家可以根据自身的需求修改代码。

有关Apriori算法的几种改进方法，可以帮助我们更好地进行数据挖掘分析

library(arules) library(Matrix) library(arules) library(arulesViz) library(grid) library(arulesViz) data('SunBai') summary(SunBai) #inspect函数查看SunBai数据集的前5次交易记录 inspect(SunBai[1:5]) #itemFrequency()函数可以查看商品的交易比例 itemFrequency(SunBai[,1:3]) #support=0.1，表示支持度至少为0.1 itemFrequencyPlot(SunBai,support=0.1) #topN=20,表示支持度排在前20的商品 itemFrequencyPlot(SunBai,topN=20) #利用transactionInfo函数查看前六数据 head(transactionInfo(SunBai))

用Java语言实现的apriori算法，算法分为2步：计算频繁N项集；得出关联规则。

Java语言实现的Apriori算法，数据可由excel数据表格提供，eclipse导入即可运行

java实现Apriori算法，原始数据集存储在dataset.txt文件中

10.1 关联规则基本概念 10.2 关联规则算法原理 10.3 分层搜索经典算法-Apriori算法 10.4 并行挖掘算法 10.5 增量更新挖掘算法 10.6 多层关联规则挖掘 10.7 多维关联规则挖掘 10.8 约束性关联规则挖掘 10.9 数量关联规则挖掘 10.10 负关联规则挖掘算法 10.11 加权关联规则挖掘算法 10.12 应用实例分析 10.13 小结

Apriori算法java实现，解释也很详细

用python实现的Apriori算法和测试用的数据，可以直接将压缩包里面的apriori.py文件放到python安装文件夹lib中，进行调用。