Jupyter中Python实现Apriori算法无关联规则输出问题咨询

现有项目材料 #

• 交易数据集示例：
• 数据集字段类型输出结果：

现有实现代码片段 #

数据加载逻辑 #

!pip install apyori
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from apyori import apriori

dataset = pd.read_csv('mydataset.csv')
records = len(dataset)
print(records)
dataset.head()

print(dataset.dtypes)

规则挖掘逻辑 #

transactions = []
for i in range(0, Total_Transections):
transactions.append([str(dataset.values[i,j]) for j in range(0, 20)])

from apyori import apriori
Association_Rules = apriori(transactions, 
min_support = 0.008,
min_confidence = 0.2,
min_lift = 3,
min_length = 2)

Results = list(Rules)
print(len(Results))
print(Results)

当前遇到的实际问题 #

代码运行后输出关联规则数量为0，结果列表为空，无有效关联规则产出，无法基于当前交易数据集完成关联挖掘。

问题排查与修正方向 #

• 先修正代码笔误，保证流程能完整跑通
  • 修复未定义的循环边界变量：循环遍历交易时引用的Total_Transections没有提前赋值，前面已经通过len(dataset)计算出总交易数存在records变量中，直接把循环边界替换为records，或者新增一行Total_Transections = len(dataset)完成变量绑定，否则循环根本不会执行，交易列表全是空的。
  • 修复未定义的结果变量：调用apriori函数得到的规则结果存储在Association_Rules变量中，后续转列表时使用的Rules从未定义，直接替换为list(Association_Rules)即可拿到真实的规则结果。
  • 替换硬编码的列数取值逻辑：原代码固定取每行前20列构造交易集，不管实际数据集列数是多少，若实际列数不足20，会取到空值污染数据，将循环内的列范围修改为range(0, dataset.shape[1])，自动适配数据集实际列数。
• 优化交易集构造逻辑，匹配apyori的输入要求
  • 过滤无效空值：构造单条交易时跳过值为nan的项，避免空值被转成字符串"nan"混入交易集，稀释有效商品的出现频次。
  • 输入格式校验：构造完transactions列表后，先打印前3条交易内容，确认每个交易项都是字符串类型的商品名称，无类型混杂、空值残留的问题。
• 调整挖掘阈值，匹配当前数据集的实际规模
  • 先做商品频次统计：统计所有商品的出现次数和总交易数，动态评估当前设置的最小支持度是否合理——比如0.008的最小支持度，对应商品需要至少出现在 总交易数 × 0.008 笔交易中，如果当前商品普遍出现频次较低，可先将最小支持度下调到0.002再试跑。
  • 采用梯度调参法：先从宽松的低门槛参数组合（min_support=0.002、min_confidence=0.1、min_lift=2、min_length=2）开始运行，确认能产出有效规则后，再逐步提高最小支持度、最小置信度、最小lift值，筛掉泛化性弱的低质量规则，避免一开始就把参数拉满导致无结果。

内容的提问来源于stack exchange，提问作者mwaqas