Apriori原理及python实现

相信大家都听说过“啤酒与尿布“的经典案例，分析人员通过对一家商店大量的商品购买记录进行分析后发现，啤酒与尿布经常一起被购买。这种神奇的组合我们单从肉眼上可能很难发现，这个案例用到的算法就是Apriori算法。该算法能够帮助我们发现频繁项集和挖掘关联规则，频繁项集是指那些经常出现在一起的物品组合。案例中的{啤酒，牛奶}就是频繁项集。关联规则暗示两种物品之间可能存在很强的关系。

举个例子说明与Apriori算法相关的概念：支持度，可信度或置信度。假设我有一份来自某个食品店的简单交易清单，如下：

交易号码	商品
0	豆奶，莴苣
1	莴苣，尿布，葡萄酒，甜菜
2	豆奶，尿布，葡萄酒，橙汁
3	莴苣，豆奶，尿布，葡萄酒
4	莴苣，豆奶，尿布，橙汁

支持度：一个项集的支持度被定义为数据集中包含该项集的记录所占的比例。在上面的交易清单中，一共有5条交易记录，包含{豆奶}的交易记录有4条，所以{豆奶}的支持度为4/5，而包含{豆奶，尿布}的交易记录为3条，因此{豆奶，尿布}的支持度为3/5。支持度是针对项集来说的，上述的{豆奶}和{豆奶，尿布}都是项集。我们可以定义一个最小支持度，