全国大学生数学建模比赛——关联规则

一、问题背景与关联规则适用性

在数学建模比赛中,常常会遇到需要分析大量数据以寻找变量之间潜在关系的问题。关联规则分析作为一种数据挖掘技术,特别适用于这种场景。例如,在一些实际问题中,可能需要从众多的因素中找出哪些因素之间存在较强的关联,以便更好地理解问题的本质和制定解决方案。

二、关联规则在比赛中的应用步骤

  1. 数据收集与预处理

    • 首先,收集与问题相关的各种数据。这些数据可能来自调查问卷、实验结果、历史记录等。
    • 然后,对数据进行预处理,包括数据清洗、去除异常值、编码等操作,使其适合进行关联规则分析。
  2. 应用关联规则算法

    • 选择合适的关联规则算法,如 Apriori 算法或 FP-growth 算法。这些算法可以根据给定的最小支持度和最小置信度,挖掘出数据中的频繁项集和强关联规则。
    • 设置适当的参数,如最小支持度和最小置信度。这些参数的选择需要根据具体问题和数据特点进行调整,以确保挖掘出的关联规则具有实际意义。
  3. 结果分析与解释

    • 分析挖掘出的关联规则,理解每个规则所表示的含义。例如,一条关联规则可能表明当某个变量取值为特定值时,另一个变量取值为特定值的可能性较大。
    • 结合问题背景,对关联规则进行解释和评估。判断这些规则是否符合实际情况,是否能够为问题的解决提供有价值的信息。

三、关联规则的优势与挑战

  1. 优势

    • 能够发现数据中隐藏的关系,为问题的分析和解决提供新的视角。
    • 可以处理大规模数据,适用于各种复杂的实际问题。
    • 结果易于理解和解释,能够为决策者提供直观的信息。
  2. 挑战

    • 参数的选择对结果有较大影响,需要进行多次试验和调整。
    • 可能会挖掘出一些虚假的关联规则,需要进行进一步的验证和筛选。
    • 对于高维度数据,计算复杂度较高,可能需要采用一些优化算法或技术。

总之,在全国大学生数学建模比赛中,关联规则是一种强大的工具,可以帮助参赛选手更好地理解数据、发现问题的本质,并提出有效的解决方案。但在使用关联规则时,需要注意参数的选择、结果的验证和解释等问题,以确保分析结果的准确性和可靠性。

 

例题:

分析下面数据,找出其中的关联关系

 

data = {'I1': ['西红柿', '排骨', '鸡蛋', '毛巾', '水果刀', '苹果'],'I2': ['西红柿', '茄子', '水果刀', '香蕉'],'I3': ['鸡蛋', '袜子', '毛巾', '肥皂', '苹果', '水果刀'],'I4': ['西红柿', '排骨', '茄子', '毛巾', '水果刀'],'I5': ['西红柿', '排骨', '酸奶', '苹果'],'I6': ['鸡蛋', '茄子', '酸奶', '肥皂', '苹果', '香蕉'],'I7': ['排骨', '鸡蛋', '茄子', '水果刀', '苹果'],'I8': ['土豆', '鸡蛋', '袜子', '香蕉', '苹果', '水果刀'],'I9': ['西红柿', '排骨', '鞋子', '土豆', '香蕉', '苹果']
}

 

关联规则分析(4-4)

  1. 安装mlxtend

pip install mlxtend

  1. 数据读取与预处理
  1. 使用pd.read_excel()读取并转换为下图中所示Python List
  1. 使用TransactionEncoder将上图中列表转换为下图中所示DataFrame
  1. 使用apriori算法挖掘频繁项集(最小支持度为0.3),并输出结果

(4)使用FP-growth算法挖掘频繁项集(最小支持度为0.3),并输出结果,与上一问结果进行对比

(5)生成强规则(最小置信度为0.5, 提升度>1),并输出结果

 代码展示:

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, fpgrowth, association_rules
# 步骤2:数据读取与预处理
data = {'I1': ['西红柿', '排骨', '鸡蛋', '毛巾', '水果刀', '苹果'],'I2': ['西红柿', '茄子', '水果刀', '香蕉'],'I3': ['鸡蛋', '袜子', '毛巾', '肥皂', '苹果', '水果刀'],'I4': ['西红柿', '排骨', '茄子', '毛巾', '水果刀'],'I5': ['西红柿', '排骨', '酸奶', '苹果'],'I6': ['鸡蛋', '茄子', '酸奶', '肥皂', '苹果', '香蕉'],'I7': ['排骨', '鸡蛋', '茄子', '水果刀', '苹果'],'I8': ['土豆', '鸡蛋', '袜子', '香蕉', '苹果', '水果刀'],'I9': ['西红柿', '排骨', '鞋子', '土豆', '香蕉', '苹果']
}transactions = list(data.values())# 步骤3:使用TransactionEncoder将列表转换为DataFrame
te = TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
print(te_ary)
df = pd.DataFrame(te_ary, columns=te.columns_)# 步骤4:使用apriori算法挖掘频繁项集(最小支持度为0.3),并输出结果
frequent_itemsets_apriori = apriori(df, min_support=0.3, use_colnames=True)
print("使用Apriori算法挖掘频繁项集:")
print(frequent_itemsets_apriori.to_string(index=False))# 步骤5:使用FP-growth算法挖掘频繁项集(最小支持度为0.3),并输出结果,与上一问结果进行对比
frequent_itemsets_fpgrowth = fpgrowth(df, min_support=0.3, use_colnames=True)
print("\n使用FP-growth算法挖掘频繁项集:")
print(frequent_itemsets_fpgrowth.to_string(index=False))# 步骤6:生成强规则(最小置信度为0.5, 提升度>1),并输出结果
rules = association_rules(frequent_itemsets_apriori, metric="confidence", min_threshold=0.5)
rules = rules[rules['lift'] > 1]
print("\n强规则:")
print(rules.to_string(index=False))

结果展示:

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/52853.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

“#!”是什么命令?Shell中指定解释器

#!(称为 shebang 或 hashbang)后面的内容是 解释器 的路径。它用于指定执行脚本的解释器。这个标记告诉操作系统在执行脚本时应该使用哪个程序来解释脚本文件中的内容。 详细解释 shebang 的作用: #! 是一个特殊的字符序列,在脚本文件的第一…

Unet改进15:添加TripletAttention||减少冗余计算和同时存储访问

本文内容:在不同位置添加TripletAttention注意力机制 目录 论文简介 1.步骤一 2.步骤二 3.步骤三 4.步骤四 论文简介 由于注意机制具有在通道或空间位置之间建立相互依赖关系的能力,近年来在各种计算机视觉任务中得到了广泛的研究和应用。在本文中,我们研究了轻量级但…

MAC环境导出项目的目录结构

一、安装Homebrew包管理工具 /bin/bash -c "$(curl -fsSL https://gitee.com/ineo6/homebrew-install/raw/master/install.sh)" 官网网址:https://brew.idayer.com/ 二、用brew包管理工具安装tree brew install tree 三、打开终端,导出项目…

APP、小程序对接聚合广告平台需要提供哪些资料?

开发者通过广告变现获得稳定的收益,通过在应用中展示广告获得收益,而广告商则能够在广告中获得曝光和用户互动。 开发者接入聚合广告SDK可以对接聚合广告平台,开发者可以按照提供的iOS/Android SDK 接入文档,完成对接。对接主要分…

【机器学习】循环神经网络(RNN)介绍

引言 在现代人工智能(AI)和机器学习领域,循环神经网络(Recurrent Neural Networks, RNNs)作为一种能够处理序列数据的神经网络架构,已经成为众多应用的核心技术之一。RNNs的出现为处理时间序列数据和自然语言处理等任务提供了强大的工具,使得计算机能够理解和生成具有时…

NLP从零开始------16.文本中阶处理之序列到序列模型(1)

1. 序列到序列模型简介 序列到序列( sequence to sequence, seq2seq) 是指输入和输出各为一个序列(如一句话) 的任务。本节将输入序列称作源序列,输出序列称作目标序列。序列到序列有非常多的重要应用, 其中最有名的是机器翻译( machine translation), 机…

硬件和软件哪个吃香?

大家好,我是记得诚。 知乎上的一个帖子。 本人计算机科学与技术专业本科毕业,准备出来工作,但是不知道从事哪方面的工作,硬件和软件哪个相对工资高,比较容易上手呢? 记得诚回答: 这是一个老…

数据资产目录中的主数据划分(汽车制造行业)

主数据在制造业中扮演着至关重要的角色,它对于提升效率、降低成本、确保产品质量和优化供应链管理等方面具有深远影响。以下是主数据在制造业中的几个重要性方面: 提高数据一致性:主数据确保了整个企业中关于产品、客户、供应商、物料等信息的…

Flask-RESTFul 之 RESTFul 的响应处理 之定制返回的 json格式

Flask-RESTFul 之 RESTFul 的响应处理 之定制返回的 json格式 使用 `marshal_with` 和 `fields` 定制响应结构重写 Flask 的 `jsonify` 方法在返回前手动构造 JSON使用 Flask-RESTful 的 `Response` 类自定义输出处理器结论在 Flask-RESTful 中,如果你想要定制返回的 JSON 格式…

中仕公考怎么样?公务员考试什么时候补录?

公务员考试补录的时间和方法通常因地区和职位的不同有所区别,一般来说,这一过程会在面试、体检和考核环节完成后启动。 如果在招录过程中出现职位空缺或者并未全部招满的情况,就会进行补录。用人单位会通过其官方或公告形式公布相关信息&…

构建智能化Web应用防火墙与自动化攻击测试系统

在如今高度互联的世界中,Web应用正承受着前所未有的安全压力。从SQL注入到DDoS攻击,威胁无处不在,防护措施不容懈怠。为了应对这些挑战,我开发了一款智能化Web应用防火墙(WAF),并配套设计了一个…

【数据结构】队列(Queue)

目录 队列概念 ​方法 队列模拟实现 链表实现队列 入队列 出队列 获取队头元素 数组实现队列 入队列 出队列 返回头队列 返回尾队列 完整代码 双链表实现队列 数组实现队列(设计循环队列) 队列概念 队列:只允许在一段进行插入…

鸿蒙HarmonyOS开发:如何灵活运用服务卡片提升用户体验

文章目录 一、ArkTS卡片相关模块二、卡片事件能力说明三、卡片事件的主要使用场景3.1、使用router事件跳转到指定UIAbility3.1.1、卡片内按钮跳转到应用的不同页面3.1.2、服务卡片的点击跳转事件 3.2、通过message事件刷新卡片内容3.2.1、在卡片页面调用postCardAction接口触发…

Linux 背景、命令

一、嵌入式、Linux背景 1、嵌入式: 硬件与软件相结合 定制、为硬件设计相关代码来进行操作,代码测试,烧进板子,通过语音、图像、按钮等操作方式来调用。 2、操作系统种类: Dos,Windows,Uni…

数据分析处理库(pandas)

目录 数据预处理 数据读取 DataFrame结构 数据索引 创建DataFrame Series操作 数据分析 统计分析 pivot数据透视表 groupby操作 常用函数操作 Merge操作 排序操作 缺失值处理 apply自定义函数 时间操作 绘图操作 大数据处理技巧 数值类型转换 属性类型转换…

记录一次两台虚拟机Oracle rac 心跳不能建立的排查

场景:两台云主机,均有子网IP和虚IP,目前子网IP和虚IP都能互相ping通。而且延迟很小,同时traceroute发现,有带* 的结果,与网络同事沟通后得知,带*并不能影响网络的连通性。 解决方案&#xff1a…

Java算法之计数排序(Counting Sort)

简介 计数排序是一种线性时间复杂度的排序算法,它不依赖于元素之间的比较,而是通过统计数组中每个元素出现的次数,然后根据这些统计信息对元素进行排序。这种算法特别适用于整数且整数的范围不是非常大时。 算法步骤 找出数组中的最大值。…

51单片机——实时时钟

1、DS1302介绍 DS1302是由美国DALLAS公司推出的具有涓细电流充电能力的低功耗实时时钟芯片。它可以对年、月、日、周、时、分、秒进行计时,且具有闰年补偿等多种功能 RTC(Real Time Clock):实时时钟,是一种集成电路,通常称为时钟…

2024年国家自然科学基金即将公布,如何第一时间知道评审结果?

公众号:生信漫谈,获取最新科研信息! 2024年国家自然科学基金即将公布,如何第一时间知道评审结果?https://mp.weixin.qq.com/s?__bizMzkwNjQyNTUwMw&mid2247486995&idx1&snd3f8a1fe0f5d210db2048ca1b3933…

【开发笔记】Notepad++配置

Notepad配置 Notepad保护色配置 settings --> Style Configurator 选择 Enable olobal foreground colourEnable global background colour 设置背景色 点击 Save & Close按钮,完成保存。 设置 Unix换行符