Aprior算法

什么是Aprior算法

• Aprior算法是用来挖掘关联规则的算法

什么是关联规则

• 关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-hand-side, RHS) 。其中，关联规则XY，存在支持度（support）和信任度（confidence）.
• support(X=>Y)=P(X∪Y).
• confidence(X=>Y)=P(Y|X)=$\frac{P(XY)}{P(X)}$，有时如果X是可分的，我们也将P(X)使用全概率公式做等价变换.

Aprior算法当中的先关概念

• 项：数据库中不可分割的最小单位信息称为项。
• 项集：项的集合称为项集，用 I 表示。项集的个数为k称为k-项集。比如，集合{啤酒、尿布、奶粉}称为3-项集。
• 频繁模式：频繁模式是指数据集中频繁出现的项集、序列或子结构。
• 频繁项集：频繁项集是指支持度大于等于最小支持度(min_sup)的集合。

Aprior算法的思想

符号表述

• C_k:表示候选k项集，candidate itemset of size k
• L_k:表示频繁k项集，frequent itemset of size k

思想

• Apriori算法对数据集进行多次扫描。
• 首先找出所有满足min_sup支持度的项所组成的项集，即频繁1项集L₁。
• 在L₁的基础上构造候选2项集C₂，其中C₂就是L₁当中的所有项两两结合。
• 通过对数据库中记录内容的检查，对C₂进行筛选，筛选出所有满足min_sup支持度的项（这里的项指的就是二项集当中的元素{X，Y}），由这些项构成频繁2项集L₂。
• 重复上面的操作，知道频繁k项集为空。
• 将上述的频繁1~k-1项集取并集得到所有的关联规则。

注

• 产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。

伪代码

Aprior算法python实现