关联分析——Apriori算法

（一）Apriori算法

Apriori算法是由Agrawal 和Srikant在1994年提出，是数据挖掘的经典算法之一。

其基本的思路如下：

1）令k = 1

2）统计每个k项集的支持度，并找出频繁k项集

3）利用频繁k项集生成候选k+1项集

4）令k=k+1，重复第2）步

这里我们要思考两个问题：

• 为什么这个算法是有效的？
• 候选集的构造到底是怎么回事？

先探讨第一个问题。

Apriori算法存在两个性质：

1）任何一个频繁项集的子集也一定是频繁项集

2）任何一个非频繁项集的超集也一定是非频繁项集

如果一个数据集中存在关联规则，那么根据关联规则的性质，其必然是频繁项集，可是，频繁项集也存在频繁1项集、2项集等等，只要你项数大于2，那么就有可能存在关联规则在里面，如何很轻松愉快的并且顺滑的得到关联规则，就得看看这第一个性质。如果我找出了k最大的一个频繁项集，那么其子集也皆为频繁项集，那我直接在这个频繁项集里再慢慢去枚举不就好了。

第二个问题也是来源于这两个性质。

不妨看看上图的例子，在构建候选3项集里，为什么没有{A,C,E}？难道不是排列组合得到的吗？

答案来源于第二个性质。{A,C,E}的子集{A,E}并不是频繁项集，所以在构造候选3项集的时候，其必然不能出现。