数据挖掘实验报告：Apriori算法实现

数据挖掘实验报告

实验一：Apriori算法实现

一、Apriori算法简介

​ Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。A priori在拉丁语中指"来自以前"。当定义问题时，通常会使用先验知识或者假设，这被称作"一个先验"（a priori）。Apriori算法的名字正是基于这样的事实：算法使用频繁项集性质的先验性质，即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索$(k+1)$项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记为$L_1$。然后，使用$L_1$找出频繁2项集的集合$L_2$，使用$L_2$找出$L_3$，如此下去，直到不能再找到频繁k项集。每找出一个$L_k$需要一次数据库的完整扫描。Apriori算法使用频繁项集的先验性质来压缩搜索空间。

二、基本概念

• 项与项集：设$itemset=ite{m}_1,ite{m}_2,\dots ,ite{m}_m$是所有项的集合，其中，$ite{m}_k,(k=1,2,\dots ,m)$称为项。项的集合称为项集$（itemset）$，包含k个项的项集称为k项集$(k-itemset)$。

• 事务与事务集：一个事务T是一个项集，它是itemset的一个子集，每个事务均与一个唯一标识符Tid相联系。不同的事务一起组成了事务集D，它构成了关联规则发现的事务数据库。

• 关联规则：关联规则是形如$A\Rightarrow B$的蕴涵式，其中A、B均为$itemset$的子集且均不为空集，而A交B为空。

• 支持度（support）：关联规则的支持度定义为
  $$support(A\Rightarrow B)=P(A\cup B)$$
  其中$P(A\cup B)$表示事务包含集合A和B的并的概率。

• 置信度（confidence）：关联规则的置信度定义为：
  c o n