Apriori算法的python实现

最近学习了关联分析和用于寻找频繁项集的Apriori算法，做了一些笔记，并且来自己实现一下。

一、Apriori原理

首先需要了解几个基本概念：

项(item)： 每个item成为一个项，例如购物记录里的apple, banana, orange每一件不同的物品就是一个项。
项集： 一个或多个项的集合组成项集。
频繁项集： 出现次数大于某个阈值的项集，称为频繁项集。
事务(transaction)： 每一条记录称为一次事务，本质是一个项集，例如某一次购买的商品集合。

频繁项集的评估标准

1. 支持度(support)是A，B同时出现的次数占总事务数的百分比。
   $$support(A,B)=P(A\cap B)$$

2. 置信度(confidence)是已知A出现条件下B出现的概率。
   $$confidence(A\Rightarrow B)=P(B\mid A)=\frac{P(A\cap B)}{P(A)}$$

Apriori基本思想与原理

前提假设：频繁项集的所有非空子集也一定是频繁的。

步骤：

1. 找出频繁项集：

• 对每条记录进行排序，使得item按照字典序排列，防止出现（a,b）和（b,a）同一个项集出现两次的情况。
• 产生频繁一项集，即数据列表中的每个item

2. 由频繁项集产生强关联规则

实际应用中很少直接采用Apriori算法，但基本都是对其改进后的算法。

二、评价

1. 缺点：

• 频繁一项集会很大
• 未考虑出现次数
• 应用于商业领域可能需要考虑能产生更高效益的频繁项集