关联规则分析与Apriori算法

关联规则

前言

关联规则是形如X → Y的表达式，X称为前件，Y称为后件。注意X和Y不是指单一的商品，而是指上面提到的项集，比如其形式可以为：{A, B} → {C}，其含义就是如果购买商品A和B的用户也会买C。

一、Apriori算法简介

关联规则分析的最终目标是要找出强关联规则，从而实现对目标客户的商品推荐。
Apriori算法是最著名的关联规则的挖掘算法之一，其核心是一种递推算法。

二、Apriori算法步骤

1. 设定最小支持度和最小置信度
2. 根据最小支持度找出所有的频繁项集
3. 根据最小置信度发现强关联规则

1.实例

代码如下（示例）：

transactions = [['A', 'B', 'C'],
                ['A', 'B'], 
                ['B', 'C'], 
                ['A', 'B', 'C', 'D'],
                ['B', 'C', 'D']]

代码如下（示例）：

from apyori import apriori

# 调用apriori函数，指定最小支持度和最小置信度
rules = apriori(transactions,min_support=0.4,min_confidence=0.8)
# 将生成器对象转化成列表
results = list(rules)

for i in results:   # 遍历results中的每一个频繁项集
    for j in i.ordered_statistics:  # 获取频繁项集中的关联规则
        X = j.items_base  # 关联规则的前件
        Y = j.items_add # 关联规则的后件
        x = ", ".join([item for item in X])  # 连接前件中的元素
        y = ", ".join([item for item in Y])  # 连接后件中的元素
        if x != '': # 防止出现关联规则前件为空的情况
            print(x+' → '+y)

输出结果