关联规则——Apriori算法

实 验 目 的: 

1、理解关联规则中Apriori算法实现原理

2、掌握项集和频繁项集的定义。

3．掌握如何从低阶频繁项生成高阶候选项。

4．掌握如何进行连接和剪枝。

5．掌握如何利用频繁项生成所有的强关联规则

实 验 环 境:

Anaconda

实 验 内 容 及 过 程: 

关联规则发现是数据挖掘中重要的算法之一，有许多版本变种和应用场景。关联规则发现算法的基础算法之一是Apriori算法，要求针对某种格式数据和给定的阈值，代码实现Apriori算法，最终能够产生所有的强关联规则。其中数据格式不限，数据源任选。

步骤一:选取数据集(图1)，代码如图2，设定最小支持度s和最小置信度c;

步骤二:获取数据集（图3），并获取数据集中的的子集，利用最小支持数选出满足的子集。(图4)

 

                        图1                                                                          图2

图3

图4

步骤三：根据频繁(k-1)项集自身连接产生候选K项集Ck，并剪去不符合条件的候选。（图5）

步骤四：根据数据集获取频繁项集。（图6）

步骤五：定义获取关联规则（图7）

图5

 

图6

图7

 

由于规则是由频繁项集产生，因此每个规则都自动地满足最小支持度。频繁项集和它们的最小支持度可以预先存放在散列表中。

结果展示

 

实 验 心 得：

通过这次的实验我明白，Apriori关联规则挖掘一般可分成两个步骤：第一步找出所有支持度大于等于最小支持度阈值的频繁项集。第二步由频繁模式生成满足可信度阈值的关联规则。

那什么时候算法结束呢？细看代码，我们可以发现如果⾃连接得到的已经不再是频繁集，那么取最后⼀次得到的频繁集作为结果。

需要值得注意的是：Apriori算法为了进⼀步缩⼩需要计算⽀持度的候选集⼤⼩，减⼩计算量，所以在取得候选集时就进⾏了它的⼦集必须也是频繁集的判断。