Apriori算法是一种用于关联规则挖掘(Association rule mining)的代表性算法,它同样位居十大数据挖掘算法之列。关联规则挖掘是数据挖掘中的一个非常重要的研究方向,也是一个由来已久的话题,它的主要任务就是设法发现事物之间的内在联系。
关联规则
在介绍Apriori算法之前,我们先分析一下关联规则。
关联规则即 X->Y 的蕴涵表达式。当 X 成立时,Y也会成立。而验证关联规则是否有效,或者成立的关键点在于支持度和置信度。
支持度,置信度概念:http://blog.csdn.net/xinan_zxy/article/details/78994611
支持度表示规则在给定数据集中的频繁程度,置信度表示在前提成立的情况下,规则成立的频繁程度。
因此,一般来说,对于大部分关联规则挖掘的算法,可分为两部分:
(1)频繁项集的产生:发现能够满足最小支持度阈值的所有项集,这些项集称作频繁项集;
(2)规则的产生:从上一步发现的频繁项集中提取所有高置信度的规则,这些规则称作强规则。
对于频繁项集的产生所需的时间一般要高于规则的产生。
最直接,最简单的方法就是 暴力搜索。
- List all possible association rules(列出全部可能的规则)
- Compute the support and confidence for each rule(计算规则