Apriori算法原理

算法常见：

运用于推荐商品。

关联规则：

简单举例->

市场购物篮分析的结果是一组指定商品之间关系模式的关联规

则。

• 一个典型的规则可以表述为： {花生酱，果冻} –> {面包}

• 这个关联规则用通俗易懂的语言来表达就是：如果购买了花生

酱和果冻，那么也很有可能会购买面包。

支持度和置信度

一个项集或者规则度量法的支持度是指其在数据中出现的频率

置信度是指该规则的预测能力或者准确度的度量

Apriori算法

Apriori原则指的是一个频繁项集的所有子集，也必须是频繁的，

如果｛A,B｝是频繁的，那么｛A｝和｛B｝都必须是频繁的

根据定义，支持度表示一个项集出现在数据中的频率，因此，如果知道｛A｝

不满足所期望的支持度，那么就没必要考虑｛A,B｝或者任何满足包含{A}的项集

，这些项集绝对不可能是频繁的。

图表理解

BE出现的支持度为3/4 ,

那么在BE出现的支持度下再出现C的概率结果为：

p(C)=p(BEC)/P(BE)=1/2 / 3/4=2/3 也就是置信度p(BE->C)=2/3

实现步骤：

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法Apriori使用一种称作逐层搜索的迭代方法，“K-1项集”用于搜索“K项集”。

首先，找出频繁“1项集”的集合，该集合记作L1。L1用于找频繁“2项集”的集合L2，而L2用于找L3。如此下去，直到不能找到“K项集”。找每个Lk都需要一次数据库扫描。

核心思想是：连接步和剪枝步。连接步是自连接，原则是保证前k-2项相同，并按照字典顺序连接。剪枝步，是使任一频繁项集的所有非空子集也必须是频繁的。反之，如果某

个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，从而可以将其从CK中删除。

简单的讲，

1、发现频繁项集，过程为（1）扫描（2）计数（3）比较（4）产生频繁项集（5）连接、剪枝，产生候选项集   重复步骤（1）~（5）直到不能发现更大的频集

2、产生关联规则，过程为:根据前面提到的置信度的定义，关联规则的产生如下：

（1）对于每个频繁项集L，产生L的所有非空子集；

（2）对于L的每个非空子集S，如果

                P（L）/P（S）≧min_conf

则输出规则“SàL-S”