Apriori的理解

Apriori算法——用于求得物品之间的关联关系，也可用作推荐算法。

首先需要知道3个名词解释

        支持度：support=P(AB)，即AB同时发生的概率

        置信度：confidence=P(B|A)，即A发生的条件下B发生的概率

        频繁项集：满足最小支持度的数据集合

最小支持度和最小置信度是人为设置的。

下面拿出实际例子：

薯片、可乐、鸡爪	鸡爪、可乐
薯片、可乐、鸡爪	泡面
薯片、泡面、鸡爪	薯片、鸡爪、可乐

        观察到其中共有薯片、可乐、鸡爪、泡面4种元素，分别标记为ABCD。

 Apriori采取逐层搜索迭代找出数据集项关系算出各个项集的支持度。此处设定最小支持度为0.4

P(A)=4/6        P(B)=4/6        P(C)=5/6        P(D)=2/6

此处可以看出P（D）并不满足

P(AB)=3/6        P(AC)=4/6        P(AD)=1/6        P(BC)=4/6        P(BD)=0        P(CD)=1/6

此处看出P(AD)、P(BD)、P(CD)并不满足

P(ABC)=3/6        P(ABD)=0        P(ACD)=1/6        P(BCD)=0

除了P(ABC)其余全部不满足

此处不必讨论ABCD情况

         观察图形（将不满足支持度的项集涂黑），发现一个项集中元素越多，成为频繁项集就越苛刻，在若需要{ABC}成为频繁项集，需要{A}、{B}、{C}、{AB}、{AC}、{BC}都满足频繁项集才有可能。相同的，若是{D}不为频繁项集，那么{AD}、{BD}、{CD}也不会为频繁项集。

 算法过程：

        （1）扫描整个数据库，找出所有元素

        （2）遍历求得所有项集中的支持度

        （3）将低于支持度的项集丢弃

        （4）基于剩下的项集，组成+1项项集

        （5）重复234，直至剩下最后一项

缺点，由于每次都需要对数据进行遍历扫描，所以数据量多时运算量极大，效率较低。