Apriori算法_自整理

Apriori算法_自整理

声明：本篇所有内容均为本人上网学习整理所得，用于自己复习与交流，侵删。
所借鉴的文章：
https://blog.csdn.net/sanqima/article/details/42746419
https://blog.csdn.net/qq_43634001/article/details/93360360
https://blog.csdn.net/zaishuiyifangxym/article/details/97645929
还有B站菊安酱的视频
大家可以查看这些文章和视频来学习。

关联规则挖掘的本人提法：一家超市想要提高销量，想要从客户的购物清单中找寻商品间的关联规则，如：买尿布的人百分之70会购买啤酒。

Apriori就是寻找关联规则的算法。效率较低

定义：

关联规则：一个有方向的规则，比如尿布 => 啤酒 [support=2%；confidence=70%] 这里表示的是，买尿布的人百分之七十会买啤酒，但并不是表示买啤酒的人可能会买尿布，仔细思考一下，这面向的是两个人群，只是其中有交集。

项：一个商品类别就是一个项

项集：即项的集合，比如{尿布，啤酒，花生，火腿，套套}

支持度（support）:一个项集在整个数据集中出现的概率，或者说所占百分比

置信度（confidence）：针对于关联规则的指标，其实是概率论中的知识，公式如下：即AB的支持度除以A的支持度

提升度：置信度除以另一个项的支持度，提升度等于1时，表明两者独立，大于1，表示该关联规则是有效的强关联规则，小于等于1，则无效（也许这只是因为一次打折）。如果，在买尿布的前提下，有百分之70的几率会买啤酒，而买啤酒的几率本身就为百分之70，那么简单认为买尿布对买啤酒的概率没有提升，或者说无作用。

频繁项集：通过自己设定最小支持度，满足最小支持度的项集被称为频繁项集

Apriori算法原理：如果一个项集是频繁的，则它的所有子集一定也是频繁的

逆否命题：如果一个子集是非频繁的，那么包含该子集的任何集都是非频繁的（超集）

Apriori算法流程：

先生成只包含单项的项集的集C1，然后计算C1中各项集的支持度，不满足最小支持度的项集（即非频繁项集）将被筛选出去（这里的筛选是根据Apriori的逆否原理进行的）。

接下来自链接生成只包含两个项的项集的集C2，后续步骤相同。

最后将所得的频繁项集输出，生成相应的关联规则，并计算其置信度，例如:

{1,2,3}

则计算：1=>{2，3}，2=>{1，3}，1=>{2}，{2，3}=>1等关联规则的置信度。