如何在做完train_test_split之后应用关联？

在完成train_test_split之后，可以应用关联来分析数据集中的特征之间的关系。关联分析是一种数据挖掘技术，用于发现数据集中的频繁项集和关联规则。

频繁项集是指在数据集中经常同时出现的一组项，而关联规则则是描述这些项之间的关系。关联规则通常采用“如果...那么...”的形式，其中前项表示条件，后项表示结果。

应用关联分析可以帮助我们发现数据集中的隐藏模式和规律，从而进行更深入的数据分析和预测。以下是一些常见的关联分析算法和应用场景：

1. Apriori算法：用于发现频繁项集和关联规则的经典算法。可以应用于市场篮子分析、购物推荐、交叉销售等场景。
2. FP-Growth算法：一种高效的关联分析算法，用于挖掘大规模数据集中的频繁项集和关联规则。适用于大规模数据集的关联分析任务。
3. 关联规则评估指标：支持度、置信度和提升度是常用的关联规则评估指标。支持度表示项集在数据集中出现的频率，置信度表示规则的可靠性，提升度表示规则的关联程度。
4. 应用场景：关联分析可以应用于市场营销、推荐系统、网络安全、医疗诊断、客户行为分析等领域。例如，在电商平台中，可以通过关联分析发现用户购买的商品之间的关联关系，从而进行个性化推荐。

在腾讯云中，可以使用数据分析服务（Data Analysis）来进行关联分析。该服务提供了丰富的数据挖掘和分析功能，包括关联分析、聚类分析、分类分析等。您可以通过以下链接了解更多关于腾讯云数据分析服务的信息：

腾讯云数据分析服务：https://cloud.tencent.com/product/da

请注意，以上答案仅供参考，具体的关联分析方法和腾讯云产品选择应根据实际需求和情况进行决策。