查看原文:http://www.wyblog.cn/2017/01/05/apriori%e7%ae%97%e6%b3%95%e5%85%b3%e8%81%94%e5%88%86%e6%9e%90/概念
Apriori算法是数据挖掘算法中的重要一员,它是通过对数据集进行关联分析,从而分析出数据集里项与项之间的关联关系。算法最简单直接的应用,当属对超市里被购买的物品的关联分析,从而挖掘出顾客购买产品及其附属产品的关系,例如经典的尿布与啤酒,或者现在各大电商网站上,当入手一样物品后,会给推送来各种很可能被同时需要的东西,这就是关联分析的威力。
先了解几个关于此算法的概念。
- 项集:项的集合,包含k个项的项集就是k-项集,例如{尿布,啤酒}就是个2-项集。
- 项集支持度:指此项集在原始数据集出现的概率。概率论大数定理告诉我们,当n趋于无穷,那么频率趋近于概率。所以,一般我们直接使用频数来作为支持度。
- 频繁项集:对一个集合,里面不只有项集,还有关于每个项集在原始数据集的出现频数,并且,若项集里每个项的支持度都大于最小值尺度阈值,那么就称这个项集为频繁项集。
- 布尔关联规则:形如A->B的形式。关联规则的支持度为P(AB),置信度为P(AB)/P(A)。若一条关联规则的支持度与置信度都大于人为设定的最小关联度与最小置信度阈值,那么就称它为一条强关联规则。
- 支持度与置信度:支持度表示的是同时买A、B产品的概率,置信度表示的