Apriori算法

1、关联规则

项：数据库中不可分割的最小单位信息

项集：项的集合，设集合I={i1,.....ik} ,I 中项目个数为k，集合称为k-项集

2、支持度、最小支持度、置信度

假设A中有N条数据

支持度：表示项集在整个A中的频率，Support=sum(x)/N

最小支持度：阈值参数，支持度≥最小支持度的项集称为频繁项集

置信度：表示规则X---->Y，即在X发生条件下，Y发生的概率

confidence=support(xUy) / support(x)

3、提升度

判断X---->Y中的X与Y是否独立，如果独立 该规则是无效的

Lift(X---->Y) = support(xUy) / support(x)*support(y) =confidence(X---->Y) / support(y)

若值＝1，独立； 值＜1 ，负相关； 值＞1 正相关

4、算法步骤：

（1）通过迭代，找出所有的频繁项集（支持度大于最小支持度）

（为了找Lk，通过将Lk-1与自身连接，产生k项集）

（2）利用频繁项集构造出满足用户最小信任度的规则

5、例子：

现有A、B、C、D、E，5种物品的4条交易记录，找出3种物品的关联情况。最小支持度为50%

A、C、D

B、C、E

A、B、C、E

B、E