Aprior算法

应用

用于挖掘频繁项集及关联规则
可用于推荐系统， 通过不同顾客购物车的商品，分析顾客的习惯，从而对不同顾客进行商品推荐等

概念通俗理解

• 项集及K项集
  将商品作为项；
  每个顾客的购物车的商品集就是一个项集；
  若顾客购物车有k项商品，则称这个项集为k项集。
• 支持度计数
  用来表示项集出现的频繁次数；
  整个统计数据中，顾客购物车的商品集相同的次数，即多少顾客的购物车的商品集相同；
  (牛奶，面包)在整个数据集中出现的次数
• 关联规则
  大致可以描述为用来衡量商品之间的相关性；
  如，面包->牛奶 ：顾客购买面包，同时购买牛奶的概率大小等
  
  • 衡量关联规则强度的两个参数
    支持度：包含(面包，牛奶)的购物车数量 / 系统中所有购物车数量
    置信度：包含(面包，牛奶)的购物车数量 / 包含面包的购物车数量
    支持度用来衡量项集的频繁程度，置信度用来衡量规则的强弱。
• 频繁项集：支持度大于给定阈值的项集，如(面包，牛奶)的支持度大于规定的支持度阈值，则成(面包， 牛奶)为频繁项集，即出现足够频繁的项集称频繁项集。
• 到此回归Aprior算法的应用：用于寻找频繁项集及关联规则
• 项集性质：
  频繁项集的非空子集也是频繁的，如(面包，牛奶)为频繁项集，则(面包)及(牛奶)均为频繁项集。
  因此可知非频繁项集的超集也是非频繁的，如(面包)为非频繁项集，则(面包，牛奶)为非频繁项集 。
  原因：项集包含项数越多，则项集的支持度越小，如(牛奶，面包)出现次数一定小于(牛奶)及(面包)痴线次数。

Aprior算法原理

主要分两部：连接；剪枝
首先寻找1-项集中所有频繁项集，然后通过连接1-项集得到2-项集，在通过剪枝删除2-项集中的非频繁项集，从而得到2项集中所有的频繁项集；再通过连接得到3-项集，再通过剪枝得到3-项集中的频繁项集，… ，直至得到k-项集为空集，停止寻找。

• 连接：
  定义Lk为k-项集中所有的频繁项集集合，Ck为所有的k-项集集合。首先要由Lk得到Ck+1，将Lk中只有一项不相同的项集进行求并集，从而得到k+1-项集。已知Lk，Lk集合中每个项集均包含k项，即Lk_i = {i1, i2, …, ik}，假设项集中的元素(项)按顺序排列(如牛奶是第一项，面包第二项，不会出现面包出现在牛奶前的项集)。当两个k-项集中的前k-1项相同，最后一项不相同时，将此两个项集求并集，进而得出一个k+1项集。

  实现：

# 程序只是实现的大体流程
# k为项集包含的项数
 def combination(Lk, k):  
    Ckp1 = []
    for i in range(len(Lk)):  
        for j in range(i+1, len(Lk)):  
            if Lk[i][:k-2] == Lk[j][:k-2]:  
                ckp1.append(list(Lk[i]|Lk[j])) 
    return ckp1

• 剪枝
  由连接得到Ck+1，即k+1项集的集合，其中包含了频繁项集和非频繁项集，剪枝操作就是去除Ck+1中左右的非频繁项集，从而得到Lk+1。
  判断项集是非频繁项集的标准：
  1，判断其子集中是否存在非频繁项集；
  2，计算其支持度是否小于阈值
  其中标准1，求取Ck+1每个项集的所有子k-项集，遍历Lk，若有子项集不存在Lk中，则Ck+1中的该项集为非频繁项集，因此删除该项集。
  对剩余Ck+1的项集进行支持度计算，去除置信度小于阈值的项集
  关于为什么使用1，本人想法，因为计算置信度需要统计整个数据集中单个项集发生的次数，数据集很大，以至于遍历需要的时间复杂度很高，因此采用第一步，能够去除很大一部分非频繁项集，从而提高效率。

参考文献

https://blog.csdn.net/hjimce/article/details/45438507
https://blog.csdn.net/zhazhayaonuli/article/details/53322541?locationNum=15&fps=1