频繁模式挖掘（Frequent Pattern Mining）

频繁模式挖掘（Frequent Pattern Mining）

频繁模式：从样本数据集中频繁出现的模式，是经常一起出现的模式。“模式”是一个比较抽象的概念，举个例子，比如在超市的交易系统中，记载了很多次交易，每一次交易的信息包括用户购买的商品清单。如果超市主管是个有心人的话，他会发现尿不湿，啤酒这两样商品在许多用户的购物清单上都出现了，而且频率非常高。尿不湿，啤酒同时出现在一张购物单上就可以称之为一种频繁模式，这样的发掘就可以称之为频繁模式挖掘。

概念

项：一个不可分割的物品，例如上述例子的啤酒、尿不湿。

事务：类似于一次购买行为，例如一个人买了啤酒、尿不湿、牛奶、鸡蛋。他所购买的清单就是一个事务

项集：由项所构成的集合，例如{啤酒}，{尿不湿}，{啤酒，尿不湿}等

支持度：某几个物品一起出现在事物中的次数或在数据库中所占的比例

置信度：在出现A时出现B的概率，就是P(B|A) = P(A B) / P(A)

Apriori算法

概念【百度百科】：Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。

算法思想：当定义问题时，通常会使用先验知识或者假设，这被称作”一个先验”(a priori)。Apriori算法的名字正是基于这样的事实：算法使用频繁项集性质的先验性质，即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记为L1。然后，使用L1找出频繁2项集的集合L2，使用L2找出L3，如此下去，直到不能再找到频繁k项集。每找出一个Lk需要一次数据库的完整扫描。Apriori算法使用频繁项集的先验性质来压缩搜索空间。