python 关联规则(Association Rules)理论、Apriori算法案例实战

关联规则中三个重要知识点

某家水果店的订单清单如下:

购物单号购买的水果
1苹果、香蕉、梨
2苹果、香蕉、梨、芒果
3香蕉、梨、芒果、水蜜桃
4苹果、芒果
5苹果、水蜜桃

支持度:百分比数,表示一个商品组合出现的次数与总次数之间的比值,支持度越高,说明组合出现的概率越高。
Support(A) = N(A)/N
'苹果’的支持度为:Support(A) = 4/5 = 0.8
‘苹果、香蕉’的支持度为:Support(AB) = 2/5 = 0.4

置信度:条件概率,指购买了一个商品组合后,购买另一个组合的
概率。
Cofident(A=>B) = N(AB)/N(A) = P(AB)/P(A)
‘苹果=>香蕉’的置信度: Cofident(A=>B) = 2/4 = 0.5
'香蕉=>梨’的置信度:Cofident(B=>C) = 3/3 = 1

提升度:一个商品组合出现,对另一个商品组合出现概率的提升。
当提升度大于1,代表有提升;
当提升度等于1,代表没提升也没有下降;
当提升度小于1,代表下降。
lift(A=>B)= Cofident(A=>B)/Support(B)
‘苹果=>香蕉’的置信度:lift(A=>B) = 0.5/0.6<1

Apriori算法原理

Apriori算法原理

Apriori算法原理就是查找频繁项集(frequent itemset)的过程。
频繁项集:支持度大于等于最小支持度(Min Support)的项集。
非频繁项集:支持度小于最小支持度的项集。

Apriori算法流程

step1:k=1,计算k项集的支持度;
step2:提出支持度小于最小支持度的项集;
step3:如果项集为空,将k-1项设置为最终结果。
否则k=k+1,重复step1-step3.

Apriori算法案例

将上述案例用ID来表示,苹果、香蕉、梨、芒果、水蜜桃分别用商品ID1,2,3,4,5来表示。

购物单号购买的水果
11、2、3
21、2、3、4
32、3、4、5
41、4
51、5

1.计算k=1的支持度。

水果项集支持度
14/5
23/5
33/5
43/5
52/5

2.设定最小阈值为0.5,进行剔除:

水果项集支持度
14/5
23/5
33/5
43/5

3.计算k=2的支持度。

水果项集支持度
1、22/5
1、32/5
1、42/5
2、33/5
2、42/5
3、42/5

4.进行剔除:

水果项集支持度
2、33/5

得到k=2的频繁项集{2、3},{香蕉、梨}的组合

Apriori算法应用

数据集为:Marker_Basket(购物篮)
数据来源:https://www.kaggle.com/dragonheir/basket-optimisation
1.efficient_apriori

#导入efficient_apriori
import pandas as pd
from efficient_apriori import apriori
from time import clock

data = pd.read_csv('./Market_Basket_Optimisation.csv',header= None)
#对数据进行预处理,将数据处理成transactions
start = clock()
transactions = []
for i in range(data.shape[0]):
    temp = set()
    for j in range(data.shape[1]):
        if str(data.values[i,j]) == 'nan':
            continue
        temp.add(str(data.values[i,j]))
    transactions.append(temp)
#设置最小支持度0.04,最小置信度0.02
itemsets,rules = apriori(transactions,min_support = 0.04,min_confidence = 0.02)
end = clock()
print('频繁项集:',itemsets)
print('关联规则:',rules)
print('运行时间:',end-start)

2.mlxtend

#导入mlxtend
from mlxtend.frequent_patterns import apriori
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import association_rules
import pandas as pd
from time import clock
data = pd.read_csv('./Market_Basket_Optimisation.csv',header= None)

start  = clock()
transactions = []
for i in range(data.shape[0]):
    temp = set()
    for j in range(data.shape[1]):
        if str(data.values[i,j]) == 'nan':
            continue
        temp.add(str(data.values[i,j]))
    transactions.append(temp)

#one-hot编码
te =  TransactionEncoder()
te_ary = te.fit(transactions).transform(transactions)
transactions_ml = pd.DataFrame(te_ary,columns = te.columns_)

#设置最小支持度0.03
itemsets = apriori(transactions_ml,min_support = 0.03,use_colnames=True)
#从大到小排序
itemsets = itemsets.sort_values(by = 'support',ascending = False)
#设置最小提升度1.1
rules = association_rules(itemsets,metric = 'lift',min_threshold = 1.1)
#从大到小排序
rules = rules.sort_values(by = 'lift',ascending = False)

end = clock()
print('频繁项集:',itemsets)
print('关联规则:',rules)
print('运行时间:',end-start)
  • 4
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

蓝翔厨师长

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值