关联规则
关联规则(Association Rules)是反映一个事物与其他事物之间的相互依存性和关联性,是数据挖掘的一个重要技术,用于从大量数据中挖掘出有价值的数据项之间的相关关系。
频繁项集:经常出现在一块的物品的集合。
关联规则:物品之间存在的关系。
置信度和支持度
支持度:数据集中包含该项集的记录所占的比例。
置信度:对于给定的规则 X→Y,置信度越高,Y 在包含 X 的事务中出现的可能性就越大;
Apriori 算法
Apriori算法利用频繁项集生成关联规则。它基于频繁项集的子集也必须是频繁项集的概念。频繁项集是支持值大于阈值(support)的项集。
Apriori算法就是基于一个先验:如果某个项集是频繁的,那么它的所有子集也是频繁的。
算法流程:
输入:数据集合D,支持度阈值𝛼
输出:最大的频繁k项集
1)扫描整个数据集,得到所有出现过的数据,作为候选频繁1项集。k=1,频繁0项集为空集。
2)挖掘频繁k项集
i)扫描数据计算候选频繁k项集的支持度
ii)去除候选频繁k项集中支持度低于阈值的数据集,得到频繁k项集。如果得到的频繁k项集为空,则直接返回频繁k-1项集的集合作为算法结果,算法结束。如果得到的频繁k项集只有一项,则直接返回频繁k项集的集合作为算法结果,算法结束。
iii)基于频繁k项集,连接生成候选频繁k+1项集。
3)令k=k+1,转入步骤2。