Apriori算法主要用于在大规模数据中寻找数据之间的关系,包括频繁项集和关联规则
频繁项集:经常一起出现的物品的集合
关联规则:两个物品之间的相关性
例如:以下有四条购物记录
[1,2,3] [1,2] [1,2,4] [2,5]
商品1和商品2之间的关系就是关联规则
项集的支持度:数据集中包含该项集的记录的比例,针对项集,我们一般会定义一个
例:[1,2]的支持度为3/4 [2]的支持度为1
置信度:置信度是针对关联规则产生的 计算方式:A->B的置信度:[A,B]支持度/[A]支持度
例:[2]->[1]的置信度为3/4 计算方式为[1,2]支持度/[2]支持度
频繁项集:大于最小支持度的项集就是频繁项集
频繁项集的性质:
1.频繁项集的所有子集都是频繁项集 例:[1,2,4]是频繁项集 [1,2] [1] [4]等都是频繁项集
2.非频繁项集的所有超集都是非频繁项集 例:[1]是非频繁项集 [1,2] [1,4]都是非频繁项集
选出频繁项集
loadDataSet():加载数据集
createC1(数据集):生成只有一个元素的候选项集 即[1] [2] [3] [4] [5]
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] in C1:
C1.append([item])
C1.sort()
return list(map(frozenset,C1))
计算所有项集的支持度,返回所有支持度大于最小支持度的项集(即频繁项集)
scanD(数据集,候选项集,最小支持度) retList 频繁项集 supportData频繁项集的支持度
def scanD(D,Ck,minSupport):
ssCnt = {}
for tid in D:
for can in Ck:
if can.issubset(tid):
if not ssCnt.__contains__(can): ssCnt[can]=1
else: ssCnt[can]+=1
numItems = float(len(D))
retList = []
supportData = {}
for key in ssCnt:
support = ssCnt[key]/numItems
if support >= minSupport:
retList.insert(0,key)
supportData[key] = support
return retList , supportData
将大小为k-1的候选项集合并为大小为K的候选项集 (当前k-2个元素相同时则合并)
aprioriGen(候选项集,K)
def aprioriGen(Lk,k):
retList = []
lenLk = len(Lk)
for i in range(lenLk):
for j in range(i+1,lenLk):
L1 = list(Lk[i])[:k-2]
L2 = list(Lk[j])[:k-2]
L1.sort()
L2.sort()
if L1 == L2:
retList.append(Lk[i]|Lk[j])
return retList
从只有一个元素的候选项集开始,选择大于最小支持度的候选项集,然后合并项集,重复上述操作,直到当前候选项集的数量为0时结束。
apriori(数据集,最小支持度)
def apriori(dataSet,minSupport = 0.5):
C1 = createC1(dataSet)
D = list(map(set,dataSet))
L1,supportData = scanD(D,C1,minSupport)
L = [L1]
k=2
while(len(L[k-2])>0):
Ck = aprioriGen(L[k-2],k)
Lk,supK = scanD(D,Ck,minSupport)
supportData.update(supK)
L.append(Lk)
k+=1
return L,supportData
选出关联规则
项集C(a,b,c,d...) A包含C中部分元素 B=C-A
计算A->B的置信度(C,包含一堆A的数组,项集的支持度,关联规则集合,最小置信度)
def calcConf(freqSet,H,supportData,brl,minConf = 0.7):
prunedH = []
for conseq in H:
conf = supportData[freqSet]/supportData[freqSet-conseq]
if conf>=minConf:
print(freqSet-conseq,'-->',conseq,'conf:',conf)
brl.append((freqSet-conseq,conseq,conf))
prunedH.append(conseq)
return prunedH
计算C所有组合的置信度(C,包含一堆A的数组,项集的支持度,关联规则集合,最小置信度)
def rulesFromConseq(freqSet,H,supportData,brl,minConf=0.7):
m=len(H[0])
if(len(freqSet)>(m+1)):
Hmp1 = aprioriGen(H,m+1)
Hmp1 = calcConf(freqSet,Hmp1,supportData,brl,minConf)
if(len(Hmp1)>1):
rulesFromConseq(freqSet,Hmp1,supportData,brl,minConf)
generateRules(符合最小支持度的频繁项集,该项集的支持度,最小置信度)返回大于最小置信度的关联规则
def generateRules(L, supportData , minConf=0.7):
bigRuleList = []
for i in range(1,len(L)):
for freqSet in L[i]:
H1 = [frozenset([item]) for item in freqSet]
if(i>1):
rulesFromConseq(freqSet,H1,supportData,bigRuleList,minConf)
else:
calcConf(freqSet,H1,supportData,bigRuleList,minConf)
return bigRuleList