关联规则数据挖掘算法

关联规则算法主要是分析俩个商品共同被一起购买的概率，然后找出这种产品的集合，促进商家的销售

分析的对象： 购物篮和购物篮里的产品

分析的目标：频繁产品集合，也就是频繁项集

算法产生的原因：加快运算的速度（废话）。如果想不通可以简单说明下：

购物篮	商品id列表
g1	i1,  i2,  i5
g2	i2,  i4
g3	i2, i3
g4	i1, i2, i4
g5	i1, i3
g6	i2, i3

如果以上面的数据为蓝本，挖掘出频繁产品集合，最简单的思路就是：找出每个购物篮，从g1 到 g6 中的每种商品的子集合，然后累加出现的频繁集合记录数.。

即：     说明下面的数据：{产品组合}--> 出现的组合次数累计和

          （1）分析g1:   {i1, i2}-->1;  {i1, i5}-->1;  {i2, i5}-->1

          （2）分析g2:   {i2,  i4}-->1

          （3）分析g3:   {i2,  i3} -->1

          （4）分析g4:   {i1,  i2}-->2; {i1,i4}-->2; {i2, i4}--> 2

          （5）分析g5:   {i1,  i3}-->1;

          （6）分析g6:    {i2,  i3} -->2

以此类推下去，直到分析完所有的购物篮即可。 但是这里面有个问题： 如果一个购物篮里面有100个商品，这个购物篮产生的组合是 

，   结果是 2的100次方 ，约等于1000的10次方，如果这样的购物车数以万个，这个数实在实在是超出了计算平台承受范围。

由此产生了下面的算法..............................................请往下看.

1、Apriori算法

（1）扫描购物篮，对项集进行计数

项集	累计数
i1	3
i2	4
i3	3
i4	2
i5	1

（2）与最小支持度（最小支持度=2）比较，去掉小于的

项集	累计数
i1	3
i2	4
i3	3
i4	2

（3）对该项集进行自身连接

项集	累计数
i1，i2	2
i1,  i3	1
i1,14	1
i2,i3	2
i2,i4	2
i3,i4	0

（4）与最小支持度（最小支持度=2）比较，去掉小于的

项集	累计数
i1，i2	2
i2,i3	2
i2,i4	2

就这样迭代下去，越往后面算，计算量越小

频繁项集的子集必然是频繁的，我们可以删去一部分项 . 

可见Apriori算法可以分成 连接，剪枝 两个步骤不断循环重复;

缺点：需要频繁扫描所有购物篮数据，就是读取的数据没变小，但是需要计算的结果集合小了

2、FP 算法

基本思路是：不断地迭代FP-tree的构造和投影过程。

对于每个频繁项，构造它的条件投影数据库和投影FP-tree。对每个新构建的FP-tree重复这个过程，直到构造的新FP-tree为空，或者只包含一条路径。当构造的FP-tree为空时，其前缀即为频繁模式；当只包含一条路径时，通过枚举所有可能组合并与此树的前缀连接即可得到频繁模式。

算法论文： http://infolab.stanford.edu/~echang/recsys08-69.pdf

3、分部署PFP 算法

待续...