python关联规则挖掘_通过Python中的Apriori算法进行关联规则挖掘

关联规则挖掘是一种识别不同项目之间潜在关系的技术。以超级市场为例，客户可以在这里购买各种商品。通常，客户购买的商品有一种模式。例如，有婴儿的母亲购买婴儿产品，如牛奶和尿布。少女可以购买化妆品，而单身汉可以购买啤酒和薯条等。总之，交易涉及一种模式。如果可以识别在不同交易中购买的物品之间的关系，则可以产生更多的利润。

例如，如果项目A和项目B的购买频率更高，则可以采取几个步骤来增加利润。例如：

A和B可以放在一起，这样，当客户购买其中一种产品时，他不必走很远就可以购买另一种产品。

购买某一种产品的人可以通过广告活动来定位以购买另一种产品。

如果客户购买了这两种产品，则可以在这些产品上提供折扣。

A和B都可以包装在一起。

识别产品之间的关联的过程称为关联规则挖掘。

关联规则挖掘的Apriori算法

已经开发出不同的统计算法来实现关联规则挖掘，而Apriori就是这样一种算法。在本文中，我们将研究Apriori算法背后的理论，稍后将在Python中实现Apriori算法。

先验算法理论

支持度

支持是指商品的默认受欢迎程度，可以通过查找包含特定商品的交易数量除以交易总数来计算。假设我们想找到对项目B的支持。可以将其计算为：

Support(B) = (Transactions containing (B))/(Total Transactions)

例如，如果在1000个事务中，有100个事务包含Ketchup，则对项目Ketchup的支持可以计算为：

Support(Ketchup) = (Transactions cont