关联规则挖掘是从数据集中发现项与项(item 与 item)之间的关系
关联规则中的几个重要的概念
1.支持度:某个商品组合出现的次数与总次数之间的比例。
2.置信度:指购买了商品A,会有多大的概率购买B。
3.提升度:指商品A的出现,对商品B的出现概率提升的程度
提升度 (A→B)= 置信度 (A→B)/ 支持度 (B)
用来衡量 A 出现的情况下,是否会对 B 出现的概率有所提升。
所以提升度有三种可能:
提升度 (A→B)>1:代表有提升;
提升度 (A→B)=1:代表有没有提升,也没有下降;
提升度 (A→B)<1:代表有下降。
Apriori的工作原理
Apriori算法就是查找频繁项集的过程。
频繁项集:支持度大于等于最小支持度阀值的项集。
项集:指的是单个商品或者商品的组合。
最小支持度:可以我们人为定义。
Apriori 算法的递归流程:
K=1,计算 K 项集的支持度;
筛选掉小于最小支持度的项集;
如果项集为空,则对应 K-1 项集的结果为最终结果。
否则 K=K+1,重复 1-3 步。
Apriori 算法的缺点:
1.可能产生大量的候选集。因为采用排列组合的方式,把可能的项集都组合出来了;
2.每次计算都需要重新扫描数据集,来计算每个项集的支持度。
Apriori 算法的改进算法:FP-Growth算法