Apriori算法的解释和实现

频繁项集与关联规则

频繁项集:意思是经常会出现在一起的物品的集合。

关联规则:是两个物品之间可能存在很强的关联关系。

支持度:即用集合当中所有元素一起出现的次数，除以所有的数据条数

置信度:对于一个关联规则而言，它指的是A物品和B物品之间的内在关系，其实也就是条件概率。所以A->B关联规则的概率就是P(AB)/P(A)和条件概率的公式一样.

确信度：

 

提升度

 

 

Apriori算法实现

'''首先先安装efficient_apriori模块'''
from efficient_apriori import apriori

# 设置数据集合
data = [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]

# 挖掘数据频繁集项和规则
itemsets, rules = apriori(data, min_support=0.4, min_confidence=1)
print(itemsets)
print(rules)  

输出结果：