数据挖掘-Apriori算法原理

Apriori算法主要用于数据集的关联分析，找出数据集中的有趣的关联规则。例如“啤酒和尿布”。

该算法主要分为两个步骤：找出频繁项集、找出关联规则。

一个具体的例子：

 

在寻找频繁项集之前我们先引入两个小概念：支持度和可信度。

支持度是指某个集合在所有记录中出现的频率，计算方法为出现次数/总记录数；

可信度是为了验证某种关联规则是否存在而设立的。例如我们猜想“尿布--->葡萄酒”这一规则，那么该规则的可信度就是（尿布，葡萄酒）的支持度/（尿布）的支持度，或者两者的次数之商。

接下来开始找频繁项集。在使用Apriori算法之前，若是我们想要找出一份数据集中的频繁项集，我们至少需要遍历一遍数据集中的所有数据，一共会有2^n-1种项集，这种方式在n非常大的时候（一个超市中会有数千种商品）效率将会严重低下。为了提高效率，我们仔细研究频繁项集，显然发现：

        ①当一个项集为频繁项集时，他的子集也一定是频繁项集；

         ==》②当一个项集不是频繁项集时，他的超集一定