Apriori关联分析与实操

基础知识

在去杂货店买东西的过程，实际包含了许多机器学习的当前及未来应用，这包括物品的
展示方式、购物之后优惠券的提供以及用户忠诚度计划，等等。它们都离不开对大量数据的
分析。商店希望从顾客身上获得尽可能多的利润，所以他们必然会利用各种技术来达到这一
目的。
通过查看哪些商品经常在一起购买，可以帮助商店了解用户的购买行为。这种从数据海洋中
抽取的知识可以用于商品定价、市场促销、存货管理等环节。从大规模数据集中寻找物品间的隐
含关系被称作关联分析（association analysis）或者关联规则学习（association rule learning）。这
里的主要问题在于，寻找物品的不同组合是一项十分耗时的任务，所需的计算代价很高，蛮力搜
索方法并不能解决这个问题，所以需要用更智能的方法在合理的时间范围内找到频繁项集。本章
将介绍如何使用Aprior算法来解决上述问题。

总的来说，我们总结如下：
关联性分析：从大规模数据集中寻找物品间的隐含关系。
关系包括：频繁项集或者关联规则。
频繁项集：是经常出现在一起的物品集合。
关联规则：暗示两种物品中间可能存在很强的关系。

优点：易编码实现。
缺点：在大数据集上可能较慢。
适用数据类型：数值型或者标称型数据。

Apriori原理

这里引入一个很有趣的例子：

尿布与啤酒？ 
关联分析中最有名的例子是“尿布与啤酒”。据报道，美国中西部的一家连锁店发现，男
人们会在周四购买尿布和啤酒。这样商店实际上可以将尿布与啤酒放在一块，并确保在周四全
价销售从而获利。当然，这家商店并没有这么做*。

Apriori算法的一般过程
(1) 收集数据：使用任意方法。
(2) 准备数据：任何数据类型都可以，因为我们只保存集合。
(3) 分析数据：使用任意方法。
(4) 训练算法：使用Apriori算法来找到频繁项集。
(5) 测试算法：不需要测试过程。
(6) 使用算法：用于发现频繁项集以及物品之间的关联规则。

算法实现

Apriori算法中的辅助函数

def loadDataSet():
    return [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]

def createC1(dataSet):
    C1 = []
    for transaction in dataSet:
        for item in transaction:
            if not [item]