数据挖掘(Apriori)_追逐梦想的顾咏丰_新浪博客

数据挖掘十大算法 —— Apriori

---

Apriori 算法是数据挖掘中用来挖掘关联规则的基本算法，我们所熟知“ 婴儿尿布和啤酒”的经典关联规则就是这样被挖掘出来的。先介绍一些基本概念：

• 支持度 Support
• 置信度 Confidence
• 频繁项集 Frequent item set
• 强规则 

关于 Apriori 的整体流程，可以用过张图很好的解释（图是盗的），数据库中序号为 1, 2, 3, 4 代表着不同事务，每个事务包含的不同商品，其中每个 A，B，C，D，E 称之为项。步骤也是迭代的，首先找出候选 1 项集，然后“剪枝”除去支持度低于最小支持度的项集，得到频繁 1 项集，再“连接”得到候选 2 项集；重复“剪枝”“连接”，得到最后的一个最大的频繁项集，就是我们需要找的最大频繁项集。

综上所述， Apriori 算法的特点就是简单迭代，缺点也是显而易见的：

1  在进行“连接”操作时，会产生巨大的候选项集。

2  在进行“剪枝”的时候需要对整个数据库进行扫描，当数据量大的时候很耗时。

网上留存的也有许多对于 Apriori 算法的改进，如基于划分的方法，基于 hash 的方法，减少交易个数 等，都值得进一步去研究，本文最为基础入门的介绍，也到此为止了。

-----------------

【参考】

http://www.cnblogs.com/gaizai/archive/2010/03/31/1701573.html 数据挖掘算法

http://blog.csdn.net/lizhengnanhua/article/details/9061755  Apriori算法详解