Python 或 R 中的 MSApriori 和 CARapriori 算法实现
MSapriori and CARapriori algorithm implementations in Python or R
MSapriori 和 CARapriori 是 apriori 算法的特定版本，用于在交易数据集（篮子分析）中查找关联规则。
MSapriori 为不同的项目设置了不同的最低支持要求。
CARapriori 正在寻找与特定目标的关联。
我的问题是您是否知道 Python 或 R 中这些算法的实现。
你检查过R中的arules包了吗？您可以在选项中设置最低支持要求以及设置目标。这是直接来自文档的示例：
library("arules")
data("Adult")
rules <- apriori(Adult, parameter = list(supp = 0.5, conf = 0.9, target = "rules"))
这里的 link 也可能对您有所帮助：How to find the minimum support in Apriori algorithm。
R包arulesCBA有一个叫做mineCARs的函数，用于挖掘分类关联规则，即RHS中带有分类项的规则。以下示例摘自手册页。
data("iris")
iris.disc <- discretizeDF.supervised(Species ~ ., iris)
iris.trans <- as(iris.disc, "transactions")
# mine CARs with items for "Species" in the RHS
cars <- mineCARs(Species ~ ., iris.trans, parameter = list(support = 0.3))
inspect(cars)
我认为 R 实现目前不支持多个最小支持。
MSapriori 和 CARapriori 是 apriori 算法的特定版本，用于在交易数据集（篮子分析）中查找关联规则。
MSapriori 为不同的项目设置了不同的最低支持要求。
CARapriori 正在寻找与特定目标的关联。
我的问题是您是否知道 Python 或 R 中这些算法的实现。
你检查过R中的arules包了吗？您可以在选项中设置最低支持要求以及设置目标。这是直接来自文档的示例：
library("arules")
data("Adult")
rules <- apriori(Adult, parameter = list(supp = 0.5, conf = 0.9, target = "rules"))
这里的 link 也可能对您有所帮助：How to find the minimum support in Apriori algorithm。
R包arulesCBA有一个叫做mineCARs的函数，用于挖掘分类关联规则，即RHS中带有分类项的规则。以下示例摘自手册页。
data("iris")
iris.disc <- discretizeDF.supervised(Species ~ ., iris)
iris.trans <- as(iris.disc, "transactions")
# mine CARs with items for "Species" in the RHS
cars <- mineCARs(Species ~ ., iris.trans, parameter = list(support = 0.3))
inspect(cars)
我认为 R 实现目前不支持多个最小支持。