apriori算法找频繁项集，和强关联规则

apriori算法找频繁项集，和强关联规则

一、找频繁项集

假设数据集如下

TID	transactions
a	{1,3,4}
b	{2,3,5}
c	{1,2,3,5}
d	{2,5}

假设可信度：70%，支持度：50%

求频繁1项集

{1,2,3,4,5}的1项集：{1}、{2}、{3}、{4}、{5}。比如{1}在数据集TIDa、c中都有出现，则出现的次数为2，依次类推2,3,4,5.我们可以得到以下表格

l1(数据元)	C1（出现的次数）
1	2
2	3
3	3
4	1
5	3

已知最小支持度:【4（4为TID个数）×50%（支持度）=2】。

删除不满足最小支持度的项集，则频繁1项集为

l1(数据元)	C1（出现的次数）
1	2
2	3
3	3
5	3

再求频繁2项集（不满足最小支持度的去除）

{1,2,3,4,5}的2项集：{1,2}、{1,3}、{1,4}、{1,5}、{2,3}、{2,4}、{2,5}…

比如{1,2}只在数据集TIDc中出现，那么出现次数为1，不满足最小支持度，则去除。其他项集依次类推，得到频繁2项集如下

l2	C2
{1,3}	2
{2,3}	2
{2,5}	3
{3,5}	2

再求频繁3项集（不满足最小支持度的去除）

{1,2,3,4,5}的3项集：{1,2,3}、{1,2,4}、{1,2,5}、{1,3,4}、{1,3,5}、{1,4,5}、{2,3,4}…

比如{1,2,3}只在数据集TIDc中出现，那么出现次数为1，不满足最小支持度，则去除。其他项集依次类推，得到频繁3项集如下

l3	C3
{2,3,5}	2

二、强关联规则

可信度或置信度(confidence)是针对一条诸如{尿布} ➞ {啤酒}的关联规则来定义的。这条规则的可信度被定义为“支持度({尿布, 啤酒})/支持度({尿布})”

先在频繁3项集中查找：

由{2,3,5}可知：

​ 2∧3=>5(2和3可以推出5为频繁项集);

​ 可信度=支持度{2,3,5}/支持度{2,3}=C3/C2=2/2=1=100%>70%，则为强关联规则

​ 3∧2=>5;**可信度=**支持度{2,3,5}/支持度{3,2}=2/2=1=100%>70%，强关联规则

​ 2∧5=>3; **可信度=**支持度{2,3,5}/支持度{2,5}=2/3=0.67=67%<70%

​ 5∧2=>3; **可信度=**0.67=67%<70%

​ 3∧5=>2; **可信度=**支持度{2,3,5}/支持度{3,5}=2/2=1=100%>70%，强关联规则

5∧3=>2;可信度= 100%>70%，强关联规则

再从频繁2项集中查找

由{1,3}可知：

​ 1=>3;可信度=支持度{1,3}/支持度{1}=C2/C1=2/2=1=100%>70%，则为强关联规则

​ 3=>1;**可信度=**支持度{1,3}/支持度{3}=C2/C1=2/3=0.67=67%<70%

由{2,3}可知：

​ 2=>3;**可信度=**支持度{2,3}/支持度{2}=C2/C1=2/3=0.67=67%<70%

​ 3=>2;**可信度=**支持度{2,3}/支持度{3}=C2/C1=2/3=0.67=67%<70%

{2,5}{3,5}依次类推找强关联规则。