如何为网站配置域名并设置网页端口？

如何将网站挂载域名,网站开发设置网页端口,做一个静态网站多少钱,上海大型外贸公司⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ #x1f434;作者#xff1a;秋无之地 #x1f434;简介#xff1a;CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作#xff0c;主要擅长领域有#xff1a;爬虫、后端、大数据… ⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 作者秋无之地 简介CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作主要擅长领域有爬虫、后端、大数据开发、数据分析等。 欢迎小伙伴们点赞、收藏⭐️、留言、关注关注必回关 上一篇文章已经跟大家介绍过《关联规则挖掘上数据分析 | 数据挖掘 | 十大算法之一》相信大家对关联规则挖掘上都有一个基本的认识。下面我讲一下关联规则挖掘下数据分析 | 数据挖掘 | 十大算法之一 今天我来带你用 Apriori 算法做一个项目实战。你需要掌握的是以下几点 熟悉几个重要概念支持度、置信度和提升度熟悉与掌握 Apriori 工具包的使用在实际问题中灵活运用。包括数据集的准备等。 一、如何使用 Apriori 工具包 Apriori 虽然是十大算法之一不过在 sklearn 工具包中并没有它也没有 FP-Growth 算法。这里教你个方法来选择 Python 中可以使用的工具包你可以通过https://pypi.org/搜索工具包。 这个网站提供的工具包都是 Python 语言的你能找到 8 个 Python 语言的 Apriori 工具包具体选择哪个呢建议你使用第二个工具包即 efficient-apriori。后面我会讲到为什么推荐这个工具包。 首先你需要通过 pip install efficient-apriori 安装这个工具包。 然后看下如何使用它核心的代码就是这一行 itemsets, rules apriori(data, min_support, min_confidence) 其中 data 是我们要提供的数据集它是一个 list 数组类型。min_support 参数为最小支持度在 efficient-apriori 工具包中用 0 到 1 的数值代表百分比比如 0.5 代表最小支持度为 50%。min_confidence 是最小置信度数值也代表百分比比如 1 代表 100%。 关于支持度、置信度和提升度我们再来简单回忆下。 支持度指的是某个商品组合出现的次数与总次数之间的比例。支持度越高代表这个组合出现的概率越大。 置信度是一个条件概念就是在 A 发生的情况下B 发生的概率是多少。 提升度代表的是“商品 A 的出现对商品 B 的出现概率提升了多少”。 接下来我们用这个工具包跑一下上节课中讲到的超市购物的例子。下面是客户购买的商品列表 具体实现的代码如下 from efficient_apriori import apriori # 设置数据集 data [(牛奶,面包,尿布),(可乐,面包, 尿布, 啤酒),(牛奶,尿布, 啤酒, 鸡蛋),(面包, 牛奶, 尿布, 啤酒),(面包, 牛奶, 尿布, 可乐)] # 挖掘频繁项集和频繁规则 itemsets, rules apriori(data, min_support0.5, min_confidence1) print(itemsets) print(rules)运行结果 {1: {(啤酒,): 3, (尿布,): 5, (牛奶,): 4, (面包,): 4}, 2: {(啤酒, 尿布): 3, (尿布, 牛奶): 4, (尿布, 面包): 4, (牛奶, 面包): 3}, 3: {(尿布, 牛奶, 面包): 3}} [{啤酒} - {尿布}, {牛奶} - {尿布}, {面包} - {尿布}, {牛奶, 面包} - {尿布}] 你能从代码中看出来data 是个 List 数组类型其中每个值都可以是一个集合。实际上你也可以把 data 数组中的每个值设置为 List 数组类型比如 data [[牛奶,面包,尿布],[可乐,面包, 尿布, 啤酒],[牛奶,尿布, 啤酒, 鸡蛋],[面包, 牛奶, 尿布, 啤酒],[面包, 牛奶, 尿布, 可乐]] 两者的运行结果是一样的efficient-apriori 工具包把每一条数据集里的项式都放到了一个集合中进行运算并没有考虑它们之间的先后顺序。因为实际情况下同一个购物篮中的物品也不需要考虑购买的先后顺序。 而其他的 Apriori 算法可能会因为考虑了先后顺序出现计算频繁项集结果不对的情况。