apriori-课堂笔记

Apriori的重要概念

Apriori的几个重要概念：支持度、置信度、提升度

什么是支持度

支持度是个百分比，它指的是某个商品组合出现的次数与总次数之间的比例。支持度越高，代表这个组合出现的频率越大

举个例子，商品列表：

在这个例子中，牛奶出现了4次，所以这5笔订单中，牛奶的支持度为 4/5 = 0.8

同样“牛奶＋面包”出现了3次，所以这5笔订单中，牛奶+面包的支持度为 3/5 =0.6

什么是置信度

它指的是当你购买了商品A，会有多大的概率购买商品B

就拿上面那个例子来说

置信度（牛奶-啤酒） = 2/4=0.5，你在上面的购物单中，因为你购买了4次牛奶，而在这4次牛奶中，你有两次购买了啤酒，所以置信度为0.5

置信度（啤酒-牛奶）= 2/3 =0.67，代表了你购买了啤酒，会有多大的概率去购买牛奶

什么是提升度

我们在做商品推荐的时候，重点考虑的是提升度，因为提升度代表的是“商品A的出现，对商品B的出现概率提升的”程度。

具体的计算公式为：

提升度（A-B） = 置信度（A-B）/支持度（B）

这个公式是用来衡量A出现的情况下，是否会对B出现的概率，有所提升。

1. 提升度（A-B）> 1:代表有提升
2. 提升度（A-B）=1 :代表没有提升，也没有下降
3. 提升度（A-B）<1 :代表有下降

Apriori的工作原理

Apriori算法其实计算查找频繁项集的过程

什么是频繁项集，频繁项集就是支持度大于等于最小支持度阈值的项集，所以小于最小值支持度的项目就是非频繁项集，而大于等于最小支持度的项集计算频繁项集。

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

Apriori的改进算法：FP-Growth算法

针对Apriori的缺点进行改良，主要有：

1. 创建了一颗FP树来储存频繁项集，在创建前对不满足最小支持度的项进行删除，减少了存储空间
2. 整个生成过程只遍历数据集2次，大大减少了计算量

原理

1. 创建项头表为FP构建及频繁项集挖掘提供索引

2. 构造FP树，FP树的根节点记为null节点

   

3. 通过FP树挖掘频繁项集

到这里我们就得到了一个储存频繁项集的FP树，以及一个项头表。我们可以通过项头表来挖掘每个频繁项集。

3. 通过FP树挖掘频繁项集

到这里我们就得到了一个储存频繁项集的FP树，以及一个项头表。我们可以通过项头表来挖掘每个频繁项集。

具体的操作会用到一个概念，叫“条件模式基”，它指的是以要挖掘的节点为叶子节点，自底向上求出FP树，然后将FP树的祖先节点设置为叶子节点之和