关联算法②——Apriori算法原理及python实现

关联算法系列目录：
关联算法①——《啤酒与尿布》购物篮分析
关联算法③——Apriori算法实现主播关联度分析

一、关联规则

关联规则，顾名思义，就是寻找事物之间的关联关系。比如《啤酒与尿布》中，在某个特定时间段，会出现啤酒与尿布同时出现在购物篮中的现象，且出现频率非常高。调研发现这是一群爱喝啤酒的奶爸群体。如果可以通过类似的方式挖掘更多特定的群体需求，就可以进行交叉销售或捆绑销售来提升销售额和利润。Apriori算法就是经典的寻找物品的关联算法。

二、Apriori算法原理

1、基础概念
项集 ：包含0个或者多个项的集合称为项集
频繁项集：那些经常一起出现的物品集合

2、关联规则
规则A->B的度量包括支持度，置信度
支持度：项集A、B同时发生的概率 —P(A∩B)
置信度：当A发生时发生B的概率—P(B|A) = P(A∩B)/P(A)
两者都会有一个阈值，支持度低于阈值说明A,B同时出现的概率低，两者有没有关联关系都对实际业务没啥帮助；置信度低于阈值说明A在发生情况下B的发生可能性小，我们想要挖掘的是在A发生时B有很大可能也会发生的情况。
举例：
方便面 -> 火腿肠：{支持度：0.2， 置信度：0.8}
说明方便面和火腿肠同时出现的概率20%，这个概率已经相当高了，而当购买了方便面时，有80%的可能性会购买火腿肠，如果两者分开陈列都能达到这样的效果，那交叉陈列或者捆绑销售肯定会进一步提升置信度。

一般支持度和置信度的阈值设定有2种方法：1是听取行业专家的意见，2是求所有项集的平均值或中位数

3、自连接和剪枝原理

自连接是保证除掉最后一个元素后相同的情况下，将两者求并集得到新的项集。
剪枝步
① 支持度：是使任一频繁项集的