Apriori算法原理

算法常见：

运用于推荐商品。

关联规则：

简单举例->

市场购物篮分析的结果是一组指定商品之间关系模式的关联规

则。

• 一个典型的规则可以表述为： {花生酱，果冻} –> {面包}

• 这个关联规则用通俗易懂的语言来表达就是：如果购买了花生

酱和果冻，那么也很有可能会购买面包。

支持度和置信度

一个项集或者规则度量法的支持度是指其在数据中出现的频率

置信度是指该规则的预测能力或者准确度的度量

Apriori算法

Apriori原则指的是一个频繁项集的所有子集，也必须是频繁的，

如果｛A,B｝是频繁的，那么｛A｝和｛B｝都必须是频繁的

根据定义，支持度表示一个项集出现在数据中的频率，因此，如果知道｛A｝

不满足所期望的支持度，那么就没必要考虑｛A,B｝或者任何满足包含{A}的项集

，这些项集绝对不可能是频繁的。

图表理解

BE出现的支持度为3/4 ,

那么在BE出现的支持度下再出现C的概率结果为：

p(C)=p(BEC)/P(BE)=1/2 / 3/4=2/3 也就是置信度p(BE->C)=2/3

实现步骤：

Apriori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算法 Apriori 使用一种称作逐层搜索的迭代方法，“ K-1 项集”用于搜索“ K 项集”。

首先，找出频繁“ 1 项集”的集合，该集合记作 L1 。 L1 用于找频繁“ 2 项集”的集合 L2 ，而 L2 用于找 L3 。如此下去，直到不能找到“ K 项集”。找每个 Lk 都需要一次 数据库 扫描。

核心思想是：连接步和剪枝步。连接步是自连接，原则是保证前 k-2 项相同 ，并按照字典顺序连接。剪枝步，是使任一频繁项集的所有非空子集也必须是频繁的。反之，如果某

个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，从而可以将其从 CK 中删除。

简单的讲，

1 、 发现频繁项集，过程为（ 1 ）扫描（ 2 ）计数（ 3 ）比较（ 4 ）产生频繁项集（ 5 ）连接、剪枝，产生候选项集    重复步骤（ 1 ） ~ （ 5 ）直到不能发现更大的频集

2 、 产生关联规则，过程为:根据前面提到的置信度的定义，关联规则的产生如下：

（ 1 ）对于每个频繁项集 L ，产生 L 的所有非空子集；

（ 2 ）对于 L 的每个非空子集 S ，如果

                P （ L ） /P （ S ）≧ min_conf

则输出规则“ S à L-S ”