十八、Apriori算法介绍

1. 关联规则挖掘

关联规则挖掘定义
大多数关联规则挖掘算法通常采用的一种策略是，将关联规则挖掘任务分解为如下两个主要的子任务:

• 频繁项集产生（Frequent Itemset Generation）
  其目标是发现满足最小支持度阈值的所有项集，这些项集称作频繁项集。
• 规则的产生（Rule Generation）
  其目标是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。
• 关联分析的目标
  1. 发现频繁项集；
  2. 由频繁项集产生强关联规则，这些规则必须大于或等于最小支持度和最小置信度。

2 Apriori算法介绍

• Apriori算法的原理
  1. 通过限制候选产生发现频发项集
  2. 由频繁项集产生关联规则
• Apriori算法的重要性质
  1. 性质1：频繁项集的子集必为频繁项集
     如果{B，C}是频繁的，那么{B}，{C}也一定是频繁的
  2. 性质2：非频繁项集的超集一定是非频繁的。
     如果{A, B}是非频繁的，那么{A, B, C}，{A, B, C, D}也一定是频繁的
• 使用Apriori算法发现频繁项集
  1. 扫描数据集，得到所有出现过的数据，作为候选1项集
  2. 挖掘频繁k项集
     扫描计算候选k项集的支持度
     剪枝去掉候选k项集中支持度低于最小支持度α的数据集，得到频繁k项集。如果频繁k项集为空，则返回频繁k-1项集的集合作为算法结果，算法结束。
     基于频繁k项集，连接生成候选k+1项集
  3. 利用步骤2，迭代得到k=k+1项集结果
• **由频繁项集产生关联规则 **
  产生关规则的过程如下：
  1. 对于每个频繁项集I，产生I的所有非空子集
  2. 对于I的每个非空子集s，如果support(l)/support(s) ≥min_conf,则输出规则“s⇒(l-s)”。其中，min_conf是最小置信度阈值。
     
• Apriori算法的简单实例
  1. Apriori算法举例——发现频发项集
     
  2. Apriori算法举例——产生关联规则
     对于频繁项集{B, C, E}, 它的非空子集有{B}, {C}, {E}, {B, C}, {B,E}, {C,E}.以下是据此获得的关联规则及其置信度
     

2.1 代码实现

# *-* coding:utf-8 *-*

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

data_test = [['A', 'C', 'D'], ['B', 'C', 'E'], ['A', 'B', 'C', 'E'], ['B', 'E']]

def create_data():
    dataset = [['Milk', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
               ['Dill', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
               ['Milk', 'Apple', 'Kidney Beans', 'Eggs'],
               ['Milk', 'Unicorn', 'Corn', 'Kidney Beans', 'Yogurt'],
               ['Corn', 'Onion', 'Onion', 'Kidney Beans', 'Ice cream', 'Eggs']]
    return dataset

def main():
    dataset = create_data()
    te = TransactionEncoder()
    te_ary = te.fit(dataset).transform(dataset)
    df = pd.DataFrame(te_ary, columns=te.columns_)
    frequent_itemsets = apriori(df, min_support=0.7, use_colnames=True)

    print(frequent_itemsets)  # 频繁项集

    rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)  # 关联规则
    print(rules)

if __name__ == '__main__':
    main()

n_threshold=0.7) # 关联规则
print(rules)

if __name__ == '__main__':
    main()