机器学习(无监督学习)关联规则Apriori算法原理与python实现

一、关联规则原理：

1、概述：

关联规则算法是在一堆数据集中寻找数据之间的某种关联，通过该算法我们可以对数据集做关联分析——在大规模的数据中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集、关联规则。

• 频繁项集：经常出现在一块的物品的集合。
• 关联规则：暗示两种物品之间可能存在很强的关系。

关联分析典型的例子，沃尔玛超市啤酒于尿不湿的关联分析。例如：购物篮数据

订单编号	购买商品集合
001	羽毛球拍，羽毛球
002	羽毛球，球网，纸巾，矿泉水
003	羽毛球拍，球网，纸巾，红牛
004	羽毛球，羽毛球拍，球网，纸巾
005	羽毛球，羽毛球拍，球网，红牛

名词定义：

• 事物：每一个订单被称为一个事物，上表包含5个事物；
• 项：订单中的每一个物品被称为一个项；
• 项集：包含0个或多个项的集合被称为项集，如：{羽毛球拍，羽毛球}；
• k-项集：包含k个项的项集被称为K项集，如{羽毛球拍，羽毛球}称为2-项集；
• 前件与后件：对于规则{羽毛球拍}-->{羽毛球}，{羽毛球拍}叫做前件，{羽毛球}叫做后件。

2、频繁项集的评估标准：

频繁项集：经常出现在一块的物品的集合，当数据量非常大的时候，我们不可能通过人工去算，所以催生了关联规则的算法，如：Apriori、prefixSpan、CBA等。有了计算方法，那么常常出现在一块多少次的物品集合才算频繁项集，则还需要一个评估频繁项集的标准。评估标准有支持度，置信度、和提升度等，需要自定义一个阈值来衡量判别。