Skip to content

Mineração de dados usando regras de associação APRIORI

License

Notifications You must be signed in to change notification settings

DjalmaHenry/data-mining-apriori

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

11 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Data Mining with APRIORI

Mineração de dados usando regras de associação APRIORI


Este projeto utiliza a biblioteca Apriori para realizar mineração de dados e cálculo de regras de associação, usando o dataset Market_Basket_Optimisation.csv disponível no Kaggle aqui.

O algoritmo Apriori é um popular método de mineração de dados usado para identificar conjuntos de itens frequentes em grandes bases de dados. Em seguida, com base nesses conjuntos de itens, o algoritmo gera regras de associação que podem ser usadas para prever a ocorrência de um item com base na ocorrência de outros itens.

✨ Tecnologias Usadas

  • Python
  • Pandas
  • Matplotlib
  • Numpy
  • Apyori

🚀 Como executar o projeto

Opção 1: Localmente

  1. Clonar o repositório

    • git clone <URL do repositório>
  2. Instalar Python

    • Faça o download e instale a última versão do Python do site oficial.
  3. Instalar as dependências

    • Abra o terminal na pasta do projeto e execute: pip install pandas matplotlib numpy apyori
  4. Executar o projeto

    • Abra o arquivo Jupyter Notebook (.ipynb) em um editor de código que suporte notebooks Jupyter (como Jupyter, JupyterLab, Visual Studio Code, etc.) e execute todas as células.

Opção 2: Google Colab

  1. Acessar o projeto no Google Colab

    • Clique aqui para abrir o projeto no Google Colab.
  2. Executar o projeto

    • No Google Colab, clique em "Runtime" (ou "Ambiente de execução" em português) no menu superior e depois em "Run all" (ou "Executar tudo" em português) para executar todas as células do notebook.

Desenvolvido por DjalmaHenry.

Releases

No releases published

Packages

No packages published