Apriori算法的原理和流程

Apriori算法——关联规则挖掘

前言：

首先，关联规则挖掘的目的是找出事物之间存在的隐藏的关系，比如经典的案例啤酒和尿布的的故事，用我们人的思维来思考的话，男性在买尿布的时候会买几瓶啤酒，这二者并没有什么因果关系。然而通过对海量数据进行关联分析，却能够发现这个有趣的知识，在超市调整货架后，明显的提升了超市啤酒尿布的销量。

基本概念：

1.关联规则的表示：   泡面 => 火腿 [support=2%；confidence=70%] 。这个就是关联规则的表示方法，其中支持度（support）和 （置信度）confidence是两个衡量这个规则是否有趣的度量标准。

2.支持度：按照上面的例子来讲，已知了支持度是2%，意味着所有事务的2%显示同时买了泡面和火腿。如果这个有疑惑大可不必着急，这个在还会在后续的例子里面具体阐述。

3.置信度：例如上述的置信度为70%，意味着所有买泡面的顾客，70%的顾客都买了火腿。

4.项集：项集就是项的集合，例如：{矿泉水，泡面，火腿}  这是一个3项集，项集的出现频度是包含项集的事务数，把它记作支持度计数，通俗的来说，假设有三个顾客分别买了{矿泉水，泡面，火腿}、{矿泉水，泡面，火腿、牛栏山}、{矿泉水，火腿}。那么这个3项集的支持度计数就是2。

5.频繁项集：如果我们预定义的支持度计数是2，也就是此时的支持度计数阈值为2，而上述的3项集的支持度计数是2，所以该3项集是频繁项集。

6.置信度计算公式：confidence（ 泡面 => 火腿 ） = P（火腿  |  泡面） =