Skip to content

Latest commit

 

History

History
41 lines (28 loc) · 1.86 KB

README.md

File metadata and controls

41 lines (28 loc) · 1.86 KB

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.