【Python机器学习】Apriori算法——APriori原理

Apriori算法的一般过程：

1、收集数据：使用任意方法

2、准备数据：任何数据类型都可以，因为我们只保存集合

3、分析数据：使用任意方法

4、训练算法：使用APriori算法来找到频繁项集

5、测试算法：不需要测试过程

6、使用算法：用于发现频繁项集已经物品之间的关联规则

如上图所示，展示了物品之间所有可能的集合。编号代表物品，代表空集或者不包含任何物品的集合。物品集合之间的连线表明两个或者更多集合可以组合形成一个更大的集合。

我们可以使用集合的支持度来度量其出现的频率。一个集合的支持度是指有多少比例的交易记录包含该集合。

对于一个给定的集合{0,3}，如果要计算其支持度，我们遍历每条记录并检查该记录是否包含0和3，如果记录确实包含这两项，那么就增加总计数值。在扫描完所有数据之后，使用统计得到的总数除以总的交易记录数，就可以得到支持度。

如果要得到每种可能集合的支持度，需要多次重复上述过程。对于仅有4种物品的集合，需要遍历数据15次，并且随着物品数目的增加遍历次数会急剧增长。对于包含N种物品的数据集共有种项集组合。

为了减低所需的计算时间，研究人员发现了一种所谓的APriori原理，它可以帮我们减少可能感兴趣的项集。APriori原理是说如果某个项集是频繁的，那么它的所有子集也是频繁的。对于上图的例子，这意味着如果{0,1}是频繁的，那么{0}、{1}也一定是频繁的。