### 数据挖掘算法的Python实验代码及案例 数据挖掘涉及多种算法，包括但不限于聚类、回归、分类和关联规则挖掘等。以下是一些常见的数据挖掘算法及其在Python中的实现方法。 #### 1. 聚类算法：K-Means K-Means是一种常用的聚类算法，用于将数据分为多个簇。以下是使用`scikit-learn`库实现K-Means的一个简单示例[^1]： ```python from sklearn.cluster import KMeans import numpy as np # 创建示例数据 data = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]]) # 初始化K-Means模型 kmeans = KMeans(n_clusters=2, random_state=0) # 训练模型 kmeans.fit(data) # 输出每个点所属的簇 print(kmeans.labels_) # 输出簇中心 print(kmeans.cluster_centers_) ``` #### 2. 回归分析：线性回归 线性回归是一种预测建模技术，用于建立自变量与因变量之间的关系。以下是一个简单的线性回归示例[^1]： ```python from sklearn.linear_model import LinearRegression import numpy as np # 创建示例数据 X = np.array([[1], [2], [3]]) y = np.array([2, 4, 6]) # 初始化线性回归模型 model = LinearRegression() # 训练模型 model.fit(X, y) # 输出模型参数 print("系数:", model.coef_) print("截距:", model.intercept_) ``` #### 3. 分类算法：决策树 决策树是一种常用的分类算法，适用于结构化数据。以下是一个使用`scikit-learn`实现决策树的示例[^3]： ```python from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split import graphviz from sklearn import tree # 加载鸢尾花数据集 iris = load_iris() X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42) # 初始化决策树模型 clf = DecisionTreeClassifier(random_state=42) # 训练模型 clf.fit(X_train, y_train) # 可视化决策树 dot_data = tree.export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True) graph = graphviz.Source(dot_data) graph.render("iris") # 将图形保存为文件 ``` #### 4. 关联规则挖掘：Apriori算法 Apriori算法用于挖掘事务数据库中的频繁项集，并生成关联规则。以下是一个使用`mlxtend`库实现Apriori算法的示例[^2]： ```python from mlxtend.frequent_patterns import apriori from mlxtend.frequent_patterns import association_rules import pandas as pd # 创建示例数据 df = pd.DataFrame([ ['面包', '牛奶'], ['面包', '尿布', '啤酒', '鸡蛋'], ['牛奶', '尿布', '啤酒', '可乐'], ['面包', '牛奶', '尿布', '啤酒'], ['面包', '牛奶', '尿布', '可乐'] ], columns=['商品1', '商品2', '商品3', '商品4']) # 转换为适合Apriori算法的格式 one_hot_df = pd.get_dummies(df.stack()).groupby(level=0).sum() # 应用Apriori算法 frequent_itemsets = apriori(one_hot_df, min_support=0.5, use_colnames=True) # 生成关联规则 rules = association_rules(frequent_itemsets, metric="lift", min_threshold=1) print(rules) ``` #### 工具与依赖安装 在进行数据挖掘实验时，可能需要安装一些额外的工具或库。例如，使用决策树时可能需要安装`graphviz`以可视化树结构： ```bash conda install python-graphviz ```