Apriori算法

Apriori算法

一个项集的支持度：数据集中包含该项集的记录所占比例。{豆奶} {豆奶，尿布}

置信度（可信度）：针对关联规则来定义的。例如 {尿布}->{葡萄酒} = 支持度{尿布，葡萄酒} /支持度{尿布}  = 0.75

           这意味着对于包含尿布的记录，规则对其中75%的记录都适用。

 

支持度，可信度是用来量化关联分析是否成功的方法。

 

频繁项集：是经常出现在一块的物品的集合

Apriori算法 就是 找频繁项集。

如果某个项集是频繁的，那么他的子集也是频繁的

如果某个项集市不频繁集，那么它的超集也是不频繁的。

关联分析目标：发现频繁项集；

                              发现关联规则。

Apriori算法：

先返回含一个元素的 数据项

          扫描找到满足最小支持度的集合，去掉不满足的集合。

在对集合进行组合，生成包含两个元素的数据项。

        

 

发现关联规则：

列出一个频繁项集的所有关联规则。

若某规则不满足最小可信度，那么，它的子集也不满足最小可信度。

（箭头左边是前件，箭头右边是后件，反过来不成立）

若0,1,2->3 不满足最小可信度

   0,1->2,3   0,2—>1,3   1,2->0,3 也不满足。