python 频繁项集_Apriori算法：从数据中挖掘频繁项集

简介

Apriori是一种流行的算法，用于在关联规则学习中提取频繁项集。Apriori算法被设计用于对包含交易的数据库进行操作，例如商店客户的购买。如果项目集满足用户指定的支持阈值，则该项目集被视为“频繁”。例如，如果支持度阈值设置为0.5(50％)，则频繁项目集被定义为在数据库中所有事务的至少50％中一起发生的项目集合。

定义

支持度(support)：support(A=>B) = P(A∪B)，表示A和B同时出现的概率。

置信度(confidence)：confidence(A=>B)=support(A∪B) / support(A)，表示A和B同时出现的概率占A出现概率的比值。

频繁项集：在项集中频繁出现并满足最小支持度阈值的集合，例如{牛奶，面包}、{手机，手机壳}等。

强关联规则：满足最小支持度和最小至此年度的关联规则。

算法步骤

从记录中计算所有的候选1项集，并计算频繁1项集及支持度。

由频繁1项集生成k项候选集，并由k项候选集计算k项频繁集。

用k项频繁集生成所有关联规则，计算生成规则置信度，筛选符合最小置信度的关联规则。

Apriori原理

任一频繁项的所有非空子集也必须是频繁的。也就是当生成k项候选集的时候，如果候选集中的元素不在k-1项频繁集中，则该元素一定不是频繁集，这个时候不需要计算支持度，直接去除即可。

比如说我们有0,1,2,3组成的集合，下面是其所有的项集组合：

从1项集开始计算k项集的支持度，在2项集候选集中当我们计算出{0,1}集合是非频繁的，那么它的所有子集都是非频繁的，即2项集{0,1,2}和{0,1,3}也是非频繁的，它们的子集{0,1,2,3}同样是非频繁的，对于非频繁集我们就不需要去计算支持度。

当找出所有的频繁后需要从频繁集中挖掘所有的关联规则，假设频繁项集{0,1,2,3}，下图表示其生成的所有关联规则，对于阴影部分的低可信度的