『壹』 apriori里python調用了哪些庫有哪些關鍵函數
第一，apriori只是一種挖掘演算法，沒有特定的只能用pyton或者某一種語言；
apriori演算法的邏輯流程
首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里採用的是中規則的定義。一旦這些規則被生成，那麼只有那些大於用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞歸的方法。
（1） L1 = find_frequent_1-itemsets(D);
（2） for (k=2;Lk-1 ≠Φ ;k++) {
（3） Ck = apriori_gen(Lk-1 ,min_sup);
（4） for each transaction t ∈D{//scan D for counts
（5） Ct = subset(Ck,t);//get the subsets of t that are candidates
（6） for each candidate c ∈ Ct
（7） c.count++;
（8）}
（9） Lk ={c ∈ Ck|c.count≥min_sup}
（10）}
（11） return L= ∪ k Lk;
可能產生大量的候選集,以及可能需要重復掃描資料庫，是Apriori演算法的兩大缺點。
從邏輯上看，會用到的庫：
字元處理的庫
資料庫處理的庫
集合運算的庫
概率期望運算的庫（入numpy）
『貳』 人工智慧如何編程
謝謝邀請！
智能編程從字面上理解涉及到兩個內容，一個是智能，另一個是編程，智能的核心是演算法，而編程的核心是演算法實現。
如果想學習智能編程首先要對人工智慧有一定的了解，然後通過掌握一門編程語言來完成演算法實現的一系列過程。目前人工智慧的研究方向集中在六大方面，分別是自然語言處理、自動推理、機器學習、知識表示、計算機視覺和機器人學，隨著深度學習的應用，機器學習領域得到了廣泛的關注，所以把機器學習領域作為切入點是一個不錯的選擇。
機器學習簡單的說就是在一堆雜亂無章的數據中找到規律（Machine Learning in Action），機器學習的步驟包括數據收集、數據整理、演算法設計、演算法實現、演算法驗證和演算法應用。對於初學者來說，首先要掌握常見的機器學習演算法，包括決策樹、k-均值、SVM、Apriori、EM、PageRank、AdaBoost、kNN、樸素貝葉斯、CART等演算法，以上提到的演算法也是目前在機器學習領域被廣泛使用的演算法。
接下來就是選擇一門編程語言，對於機器學習來說，可以採用Python、C++、Java、Lisp等編程語言，目前不少人工智慧的研發人員在初期更願意使用Python語言做演算法實現，原因是Python語言使用起來比較方便。Python語言有豐富的庫可以輔助機器學習的開發，包括Numpy、Matplotlib、Scipy等庫，使用Python做演算法實現在調整上也比較方便。
所以，建議初學者從Python語言開始學起，然後進一步學習機器學習演算法，然後採用Python語言來完成常見演算法的實現，進而模擬實現一些常見的應用場景（智能交通、智慧診療等）。
人工智慧是我的主要研究方向之一，目前也在做機器學習方面的落地項目，我會陸續在頭條寫一些關於人工智慧方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。
如果有人工智慧方面的問題，也可以咨詢我，謝謝！
『叄』 機器學習有哪些演算法
1. 線性回歸
在統計學和機器學習領域，線性回歸可能是最廣為人知也最易理解的演算法之一。
2. Logistic 回歸
Logistic 回歸是機器學習從統計學領域借鑒過來的另一種技術。它是二分類問題的首選方法。
3. 線性判別分析
Logistic 回歸是一種傳統的分類演算法，它的使用場景僅限於二分類問題。如果你有兩個以上的類，那麼線性判別分析演算法（LDA）是首選的線性分類技術。
4.分類和回歸樹
決策樹是一類重要的機器學習預測建模演算法。
5. 樸素貝葉斯
樸素貝葉斯是一種簡單而強大的預測建模演算法。
6. K 最近鄰演算法
K 最近鄰（KNN）演算法是非常簡單而有效的。KNN 的模型表示就是整個訓練數據集。
7. 學習向量量化
KNN 演算法的一個缺點是，你需要處理整個訓練數據集。
8. 支持向量機
支持向量機（SVM）可能是目前最流行、被討論地最多的機器學習演算法之一。
9. 袋裝法和隨機森林
隨機森林是最流行也最強大的機器學習演算法之一，它是一種集成機器學習演算法。
想要學習了解更多機器學習的知識，推薦CDA數據分析師課程。CDA（Certified Data Analyst），即「CDA 數據分析師」，是在數字經濟大背景和人工智慧時代趨勢下，面向全行業的專業權威國際資格認證，旨在提升全民數字技能，助力企業數字化轉型，推動行業數字化發展。點擊預約免費試聽課。