数学建模教学：常用算法 --- Apriori-关联规则挖掘算法

0 前言

本人计算机研二，专业带队数学建模，长期更新建模教学，有需要的同学欢迎讨论～

本篇文章，本系列学长讲解一部分数学建模常用算法，会陆续更新每个算法的详细实现和使用教程

1 啤酒和尿布

Apriori算法是一种用于挖掘数据集内部关联规则的算法，“apriori”在拉丁语中翻译为“来自以前”，听意思你应该就能猜到了，这个算法是用先验知识来预测数据的关联规则的。

说到关联规则，有一个很有名的案例——啤酒与尿布。说，美国一家连锁店发现很多男性会在周四购买尿布和啤酒，这两种看似不相干的商品之间显现出强相关性，于是商家可以将啤酒货架放在尿布货架旁边以增加收益。

那么，啤酒与尿布的关系是如何被发现的呢？当然是通过关联算法，我们从Apriori算法开始吧，利用Apriori进行关联分析。

2 Apriori原理

先介绍两个概念

• 支持度support：数据集中包含该项集的数据所占数据集的比例，度量一个集合在原始数据中出现的频率
• 置信度confidence：是针对一条关联规则来定义的，a->b的置信度=支持度{a|b}/支持度{a}，a|b表示ab的并集

关联分析有两个目标：

• 发现频繁项集（频繁项集是满足最小支持度要求的项集，它给出经常在一起出现的元素项）
• 发现关联规则（关联规则意味着元素项之间“如果…那么…”的关系）

Apriori原理

如果某个项集是频繁的，那么它的所有子集也是频繁的
如果某个项集是非频繁的，那么它的所有超集也是非频繁的
基于此，Apriori算法从单元素项集开始，通过组合满足最小支持度的项集来形成更大的集合
其实Apriori就是通过排除法来选择频繁项集和关联规则，下面我们根据这样的原理用python实现算法。

3 Apriori代码实现

3.1 挖掘频繁项集

挖掘频繁项集的逻辑如下图

#加载数据集
def loadDataSet():
    return [[1,3,4],[2,3,5],[1,2,3,5],[2,5]]

#选取数据集的非重复元素组成候选集的集合C1
def createC1(dataSet):
    C1=[]
    for transaction in dataSet: #对数据集中的每条购买记录
        for item in transaction: #对购买记录中的每个元素
            if [item] not in C1: #注意，item外要加上[]，便于与C1中的[item]对比
                C1.append([item])
    C1.sort()
    return list(map(frozenset,C1))