Apriori算法

关联分析

• 大规模数据集中寻找有趣关系的非监督学习算法
  典型案例：尿布与啤酒，年轻奶爸尿布和啤酒会一起购买，故尿布和啤酒在货架上摆在一起

• 频繁项集：经常出现在一块的物品的集合
• 关联规则：暗示两种物品可能存在很强的关系

几个概念：

• 项与项集：设itemset={item1, item_2, …, item_m}是所有项的集合，其中，item_k(k=1,2,…,m)成为项。项的集合称为项集（itemset），包含k个项的项集称为k项集(k-itemset)
• 事务与事务集：一个事务T是一个项集，它是itemset的一个子集，每个事务均与一个唯一标识符Tid相联系。不同的事务一起组成了事务集D，它构成了关联规则发现的事务数据库。
• 支持度：一个项集或者规则在所有事物中出现的频率，确定规则可以用于给定数据集的频繁程度。如果一个项目的频繁度大于最小支持度sup_min则将其称之为频繁项，所有频繁项的集合称之为频繁项集。
• 置信度：确定T2在包含T1的事务中出现的频繁程度，也就是由T1推出T2的可信度 。如果计算得出的conf（T1–>T2）大于最小信任度conf_min则说明T1–>T2规则是可靠的。

购物篮分析

• 事务：每一条交易，一共有五个事务
• 项：每一个物品，如：milk、break
• 项集：多个项的集合：{break、milk}
• k-项集：{break、milk}叫做2-项集
• 前件后件：{尿布}->{啤酒}，尿布是前件，啤酒是后件

频繁项集评判标准

• 支持度：Support(diaper,beer)=同时出现的次数/交易总数=3/5=0.6

支持度高的不一定构成频繁项集，但是支持度低肯定构不成频繁项集，所以对于判断是否是频繁项集起到一个过滤作用

• 置信度：confidence（diaper->beer）=P（diaper*beer）/P（diaper）=1

• 提升度：提示度>1是有效强关联规则
  

Apriori算法原理