使用Python实现基于FP growth的商品关联分析算法

关联规则求解算法Apriori的实现(C#实现)

一、实验目的1. 了解编写数据挖掘算法的一般过程；2. 理解关联规则生成算法；3. 掌握生成频繁项集的Apriori算法；4. 掌握由频繁项集生成关联规则的方法。二、实验环境windows

FP-增长算法，本程序的开发环境是VS.NET2008(VC9.0)

本资源中包括聚类分析OPTICS算法python实现，optics算法是基于DBSCAN聚类算法的改进算法。

logistics回归分析算法python实现含训练集和数据集,logistics回归分析是一种线性回归分析模型

经典的关联规则数据挖掘算法Apriori算法广泛应用于各种领域，通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。

2001年，由WenminLiJiaweiHanJianPei提出的一种基于多关联分类的算法

Association Rules Mining Based on Apriori Algorithm

针对一些经典的关联规则算法进行分析，提出一种基于矩阵的高效关联规则挖掘算法。该算法把交易数据库转化为0-1 矩阵形式， 只需进行一次数据库搜索，使用逻辑运算方法发现频繁项集并计算它的支持计数，加快了频

内容概要简单的商品管理系统包含增加商品删除商品查看商品修改商品的功能所有功能均在命令行完成和展示适用于编程入门的小白参考学习适用人群适用于初学编程的同学初学python的同学能学到什么常用的pytho