前面主要学习了机器学习的两大块:分类,回归,接下来的两节进入到频繁项集和关联规则的分析。
关联分析中最著名的例子当属啤酒和尿布了。http://www.wtoutiao.com/a/904866.html
为了定义上述的频繁和关联我们引入两个定义:
1、支持度:数据集中包含该集项的记录所占的比例
2、置信度:对于关联规则P–>M,该规则的置信度为:support(P U M) /support( P )
然而,可以通过简单的计算发现,如果要简单的重举各个数据项之间的组合关系是一个非常庞大的工程,为了解决这一计算的问题,我们引入apriori算法,即:如果某项集是非频繁的,那么该项集的子集也是非频繁的。
生成候选项集:(支持度)
算法原理:
占位符
算法实现:
def loadDataSet():
return [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]
def createC1(dataSet):
C1 = []
for transaction in dataSet:
for item