支持度、置信度、提升度、apriori算法理解（简易版）

关于支持度、置信度、提升度以及apriori算法的理解（简单版）

理解支持度

所谓支持度，就是比如说10个用户购买商品，有8个用户购买商品A，那么商品A的支持度就是80%。支持度越大，关联规则越重要，因为支持度大代表买的人多呀。 这里的商品A可以是一件商品，也可以是几个商品组成的集合。小于最小支持度的A会在算法过程中被淘汰掉。

理解置信度

这个概念学过概率论就比较好理解，简单地说是购买商品A的人，会有多大概率去购买商品B，即p(B|A) =p(AB)/p(A)

理解提升度

即商品A的出现对商品B的出现概率提升的程度，这里有个公式计算，提升度（A->B）= 置信度（A->B）/支持度（B），用概率论表示即是提升度=(p(AB)/p(A)) / p(B)，提升度大于1时，则推荐，小于1时，则不推荐

理解APRIORI算法

首先说一说项，项集，事务

项：数据库中不可分割的最小单位信息

项集：项的集合，集合I={i1, i2, …, ik}是项集，I中项目的个数为k，则集合I称为k项集。支持度大于最小支持度的项集即为频繁项集，否则为非频繁项集。

事务：设I={i1, i2, …, ik}是由数据库中所有项目构成的集合，一次处理所含项目的集合用T表示，T={t1, t2, …, tn}。每一个包含ti子项的项集都是I子集。
例如，顾客一次购买多种商品，这些购物信息在数据库中有唯一标识，用来标识这些商品是同一顾客同一次购买的，称
该用户的本次购物活动对应一个事务。

然后来说APRIORI算法

apriori算法有两个重要性质
1.频繁项集的所有非空子集必为频繁项集。 如项集{1，2，3}是频繁的 则项集{1，2}肯定是频繁的

2.非频繁项集的超集⼀定是⾮频繁的。 如项集{2，3，4}是非频繁的 则项集{1，2，3，4}肯定是非频繁的

然后是apriori算发的实现逻辑：其中C表是扫描出来的候选表，L是经过最小支持度过滤后的频繁集表。这里最小支持度设置为0.2.

这里有一个小细节，就是比如说如何从L2到C3。
l2中是二项集，在合并成三项集时，会将二项集中每个第一个元素相同的集合进行合并，比如{a,b}与{a,c},他们第一个元素都是a，则他们可以合并成一个三项集 => {a,b,c}。
且合成的三项集其中的每两个元素一定会能在l2中找到。
这也是为什么不会合成{a,b,e}的原因，因为这个三项集中的{b,e}在l2中时找不到的，{b,e}是非频繁项集，所以它的超集也都是非频繁项集。

同理 三项集合并成四项集时，会将三项集中前两个元素相同的集合进行匹配。