将先验对象转换为列表需要花费更多时间，即使对于少量数据也是如此。

Question

我正在研究一套超过22,000条记录的数据集，当我用apriori模型尝试它时，它所花费的时间太长了，即使是对像20这样的少量记录来说也是如此。我的代码中有问题吗?还是有更快的方法可以快速地将分析人员转换成一个列表呢？我使用的代码如下。

for i in range(0, 20):
    transactions.append([str(dataset.values[i,j]) for j in range(0, 543)])

from apyori import apriori
associations = apriori(transactions, min_support=0.004, min_confidence=0.3, min_lift=3, min_length=2)
result = list(associations)

Answer 1

没有数据是很难评估的，但Apriori的复杂性取决于许多因素，包括支持阈值、事务数、项数、平均/最大事务长度等。

在即使是少量事务都需要很长时间才能运行的情况下，这通常是最低支持度太低的问题。当支持度很低(接近0)时，该算法仍然有效地强制执行，因为它必须查看每个长度的所有可能的项组合。这相当于数学功率集，它是指数的。对于仅仅41个项目，您实际上正在尝试2^41-1可能的组合，即略高于1.1万亿种可能性。

我建议从“高”的min_support开始(比如0.20)，然后慢慢地往下走。测试一开始需要几秒钟的东西比花很长时间的测试要容易。

其他重要注意事项:在Apyori中没有min_length参数。我不知道每个人都是从哪里得到的(你并不是唯一认为有这样的人的)，除非这是我发现的一篇随机的博客文章。参数如下(直接取自代码)：

Keyword arguments:
    min_support -- The minimum support of relations (float).
    min_confidence -- The minimum confidence of relations (float).
    min_lift -- The minimum lift of relations (float).
    max_length -- The maximum length of the relation (integer).

至于它的价值，我为Apyori编写了非官方的文档，可以找到这里。