逻辑清晰的Apriori 算法介绍与代码实现
本文针对的对象是大概知道什么是 Apriori算法,但是还比较迷糊的读者。
Apriori算法的介绍
Apriori,翻译为“先验的”。顾名思义,是利用已知的数据来获取规律的数据挖掘关联算法。它通过“支持度”,“可信度”,“提升度”三个指标来衡量数据的相关性。首先通过“支持度”获得“频繁项集”,接着由“可信度”和“提升度”对“频繁项集”进行衡量,得到最终的结果“强关联规则”。接下来分别对支持度,可信度,提升度,频繁项集和强关联规则进行说明,并举一个简单的例子便于理解。
支持度
一个表示概率的指标,对于事物A来说,A的支持度为事物A发生的概率,公式表示为:
s u p p o r t ( A ) = P ( A ) support(A) = P(A) support(A)=P(A)
对于两个事物A和B来说,A与B的支持度就是A和B同时发生的概率。公式表示为:
s u p p o r t ( A B ) = P ( A B ) support(AB) = P(AB) support(AB)=P(AB)
PS:就是简单的概率公式
频繁项集
一般地,在实际中为了筛选数据,我们会对支持度有一个规定。当一条数据满足最小支持度的时候,我们就说,它是一个频繁项,他们构成的集合称为频繁项集。具体请看接下来的例子。
置信度
同样是一个表示概率的指标,对于事物A和B来说,A对B的置信度就是A和B同时发生的概率与A出现概率的比值。公式表示为:
c o n f i d e n c e ( A ⇒ B ) = s u p p o r t ( A B ) s u p p o r t ( A ) confidence(A\Rightarrow B)= \frac{support(AB)} {support(A)} confidence(A⇒B)=