Apriori算法 (Introduction to data mining)

前置概念：

Support: 支持度 s(X->Y) =(XUY)/N;

Confidence: 置信度 c(X->Y) =(XUY)/(X);

Frequent ItemSet: 频繁项集 Support >minSup;

 

Apriori Principle: 如果一个项集是频繁的，那它所有的子项集也都是频繁的。

 

Frequent Itemset Generation in the AprioriAlgorithm:

Apriori算法是第一个指出使用基于支持度剪枝策略的关联规则挖掘算法，系统地控制候选项集的指数增长。

C_k代表k候选项集, F_k代表频繁k项集

1 算法首先遍历一遍数据集，检测每项的支持度，获取频繁1-项集。Steps (1-2)

2 接下来，循环使用频繁(k-1)-项集派生k-候选项集。Step (5)

3 遍历数据集计算候选项集支持度Steps (6-10)

4 计算支持度后，消除非频繁项集Step (12)

5 当没有新的频繁项集产生的时候，算法结束Step(13)

Frequent itemset generation of the AprioriAlgorithm.