伴随Internet的快速发展,图书馆中需要传播及存储的信息量非常多,读者针对文献资料类型及信息需求的多样化,导致个性化的信息服务势在必行。本文把图书馆借阅数据作为研究对象,采用适合于图书馆数据的关联规则中的FP-growth算法,同时针对FP-growth算法实施了优化。依靠对图书馆业务数据的挖掘与分析,取得读者的兴趣及图书之间的关联等信息。

电子商务建议 电子商务项目推荐系统（Python） 使用Pandas使用SQLite进行分析 使用方法 使用SQLite和Pandas进行数据分析 市场篮分析 先验算法 关联规则挖掘 使用的技术/图书馆 的Python 3 SQLite3 大熊猫 NumPy mlxtend 朱皮特 描述 该项目的前提是在电子商务行业中一个假设的公司“ The Company”，该公司希望开发推荐系统。 除其他许多相关产品外，“公司”还专门销售粘合剂和密封剂。 有两个部分： 笔记本：包括代码和技术部门

西雅图Airbnb开放数据的数据分析 西雅图Airbnb开放数据的数据分析-https: 清理，分析，建模和可视化Jupyter笔记本中的数据 ＃使用的图书馆： 大熊猫 麻木 matplotlib 斯克莱恩 海生的 项目动机 该项目是由udacity设计的，这是Udacity数据科学纳米学位计划中的第一个项目，它的数据分析是通过CRISP-DM过程完成的。 CRISP-DM过程通常在数据挖掘时使用，并且非常可靠且用户友好。 这是所涉及步骤的简短说明- 了解业务 了解数据 数据准备 造