Apriori实战python-调整最小支持度

在市场购物分析中，频繁项集挖掘是帮助发现商品之间关联的重要技术。Apriori算法是一种广泛应用于关联规则挖掘的经典算法，其核心任务是找出在给定事务数据库中频繁出现的项集。为了有效地控制结果的数量，Apriori算法通常需要设置最小支持度（min_support）阈值。

最小支持度是定义一个项集在整个数据库中至少出现的比例，只有满足此条件的项集才能被认为是频繁项集。支持度的设置会直接影响频繁项集的数量和关联规则的有效性。

• 较低的最小支持度阈值会导致较多的频繁项集，这些项集可能代表了一些较为稀有但仍具有潜在价值的商品组合。这样的设置可能会导致算法产生大量的频繁项集，增加计算复杂度，但也可能揭示一些细粒度的市场趋势。

• 较高的最小支持度阈值会筛选掉不常出现的项集，从而减少频繁项集的数量，专注于那些在较大比例的事务中出现的常见商品组合。这通常可以帮助我们识别更具有普遍性和市场潜力的商品关联，但可能会遗漏一些较为特殊的、但依然有商业价值的组合。

通过调整最小支持度，我们能够更好地控制频繁项集的数量和质量，从而进行更加精细的市场分析和策略制定。

算法中的最小支持度对频繁项集的结果有很大影响。通过调整最小支持度，分析频繁项集的变化，理解支持度阈值如何影响结果的选择。

1. 使用Apriori算法在数据集中挖掘频繁项集，设置不同的最小支持度阈值（10%、20%、30%、40%、50%）进行挖掘。

2. 统计每个支持度阈值下的频繁项集数量。

import pandas as pd
from mlxtend.frequent_patterns import apriori
import matplotlib.pyplot as plt
#import warnings

# 忽略字体警告
#warnings.filterwarnings("ignore", category=UserWarning, module="matplotlib")

# 定义不同的支持度阈值
supports = [0.1, 0.2, 0.3, 0.4, 0.5]
frequent_itemsets_list = []

# 创建交易数据集
df = pd.DataFrame([['A', 'B', 'C'], ['A', 'B'], ['A', 'C'], ['B', 'C'], ['A', 'B', 'C'],
                   ['A', 'B'], ['B', 'C'], ['A', 'C'], ['A'], ['B']])

# 转换为独热编码
df = df.stack().str.get_dummies().groupby(level=0).sum()
df = df.astype(bool)  # 转换为布尔类型

# 挖掘不同支持度下的频繁项集
for min_support in supports:
    frequent_itemsets = apriori(df, min_support=min_support, use_colnames=True)
    frequent_itemsets_list.append((min_support, len(frequent_itemsets)))

# 输出频繁项集数量
for support, count in frequent_itemsets_list:
  print(f"支持度阈值：{support * 100}% 频繁项集数量：{count}")


import matplotlib.pyplot as plt

supports_percent = [s * 100 for s in supports]
counts = [count for _, count in frequent_itemsets_list]

plt.figure(figsize=(8, 5))
plt.plot(supports_percent, counts, marker='o')
plt.title('支持度阈值与频繁项集数量关系图')
plt.xlabel('最小支持度阈值（%）')
plt.ylabel('频繁项集数量')
plt.grid(True)
plt.show()

分析： 随着支持度的提高，频繁项集的数量减少。 在不同支持度下仍然频繁的项集：如项集{'B'}，在高支持度下依然频繁。 支持度阈值影响：较低的支持度阈值能够发现更多的频繁项集，但可能包含不够重要的关联；较高的支持度阈值则能突出更强的关联，但可能遗漏一些有价值的模式。