itemset-mining 0.2.1

项集挖掘

在 在

在 在

实现项集挖掘算法。在

算法

高效用项目集挖掘（HUIM）

HUIM通过考虑项目值和权重来推广频繁项集挖掘问题。HUIM的一个流行应用是发现客户一起购买的所有商品集，这些商品为零售商带来高利润。在这种情况下，项目值不仅显示篮子中有一车面包，而且还显示有多少面包；重量将包括一条面包的利润。在

更严格地说，HUIM要求事务“数据库”中的事务具有与每个事务中的每个项相关联的内部实用程序（即项值），以及每个项的外部实用程序的“数据库”（即权重）。在

*包括最大长度支撑

路线图（从高到低优先级）：

• 使用bond、all confidence或affinity中的一个来处理低相关性的hui。效用很高的项集，但如果这些项之间没有关联，则可能会误导做出营销决策。E、 如果一台电视机和一支笔组成的物品集是回族，那很可能只是因为电视机很贵，而不是因为它是一种有趣的图案。在
• Addaverage实用工具度量支持，实现更简单、更直观的分钟数
• 通过折扣策略表和升级的外部实用程序表支持折扣策略。在
• 添加top-k HUI支持。
• 支持识别周期性高效用项目集。这允许检测高效用项目集之间的购买模式，从而允许向定期购买项目集的客户进行交叉促销。在
• Support items'on shelf time.忽略货架时间将偏向于货架时间较长的项目，因为它们更有机会产生更高的效用。在
• 允许增量事务更新，而无需重新运行所有内容。在
• 支持简洁的HUI项集，特别是封闭形式。这使得算法更加高效，只显示更长的项集，这可能是最有趣的项集（相关性问题除外）。在

安装：

pip install itemset-mining

示例：