机械学习算法小结（11）——Apriori算法关联分析

使用Apriori算法进行关联分析

 

一、关联分析：可以在大规模大数据中寻找数据中存在的有趣关系。

经过关联分析的数据可以有两种形式的关系存在：

①频繁项集（frequent item sets）：支持度大于预定义的最小支持度阈值的项集。也就是经常出现的在一起的数据的集合。（支持度：表示前项与后项在一个数据集中同时出现的频率。）

②关联规则：（association rules）：关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导和后继。其中，关联规则XY，存在支持度和置信度。也就是暗示两种物品之间存在很强的关系。（置信度：  置信度表示在先决条件X发生的情况下，由关联规则”X→Y“推出Y的概率。）

二、下面用实例来详细了解。

1、由图中杂货铺的数据实例：

支持度：豆奶 ：交易中出现的次数（4）/一共交易的次数（5）=4/5     ；豆奶+莴苣：3/5     这便是数据的支持度

关联规则 ：我们举例 设 最小支持度=0.5  最小置信度 = 0.4    取数据中： 尿布 + 葡萄酒

由表中数据看出： 1，2，3，4 都有尿布， 1，2，3都有尿布+葡萄酒     

则有：尿布+葡萄酒 的支持度 = 3/5  > 最小支持度 0.5 即为频繁项集。

   尿布的支持度= 4/5  

所以：尿布+葡萄酒的置信度= 3/5   /  4/5  =3/4 =0.75  >最小置信度0.4   

所以 ：尿布与葡萄酒存在关联。 

2、支持度和置信度就是用来量化关联分析的一个一种方法。

倘若我们要是想寻找支持度80%