Apriori：一种从头开始的快速且内存有效的Apriori算法实现

阿普里里 从头开始快速高效地实现Apriori算法的内存 使用的数据集 当前，假设输入数据来自GroceryStoreData的kaggle数据集，该代码是结构化的，该数据集可从获得。 但是，这是一个非常小的数据集，仅包含20个购物篮和11种独特的商品 当必须为超过10万个独特产品运行算法时，与python库“ apyori”相比，此代码有用且快速 但是，此实现方式仅限于两种产品的每种组合的计算支持，置信度和提升，但是可以根据要求扩展使用相同的概念 好处 使用稀疏矩阵对每种产品组合的支撑度，置信度和提升度进行度量计算，从而使算法快速且存储效率高 结果结构 结果返回三个Numpy Matrcies： Order_of_products：这是一维数组，具有按特定顺序显示的唯一商品 Top_N_for_each_product：这是一个2D数组（产品数量，前N个产品），其中每行是上述数组“