Apriori算法總結(jié)
使用場景：
關聯(lián)分析，是一種挖掘數(shù)據(jù)集中關聯(lián)關系的方法。比如 購物時，購買 尿不濕，和買啤酒的關聯(lián)關系。購買粉底和眼霜 的關聯(lián)關系等等。為了挖掘出一些，肉眼不易看出的 數(shù)據(jù)集之間的關系，并加以解讀。統(tǒng)計數(shù)據(jù)集中出現(xiàn)某項數(shù)據(jù)的出現(xiàn)頻率，來確定該行為的可信度。這是使用場景。

原理：
該算法會統(tǒng)計一階項、二階項，以此類推多階項，在數(shù)據(jù)集中出現(xiàn)的頻度。并通過支持度來設置閾值，低于閾值頻度的將會被篩選掉。并計算出每個關聯(lián)關系的置信度。置信度越高，說明關聯(lián)關系越強。支持度越高，說明出現(xiàn)頻率越高，越是可信的。

支持度和可信度。

1、一個項集的支持度(support)

表示同時購買X、Y的訂單數(shù)占總訂單數(shù)（研究關聯(lián)規(guī)則的“長表”中的所有購買的產(chǎn)品的訂單數(shù)）的比例。如果用P(X)表示購買X的訂單比例，其他產(chǎn)品類推，那么

支持度

2、可信度或置信度(confidence)

表示購買X的訂單中同時購買Y的比例，即同時購買X和Y的訂單數(shù)占購買X的訂單的比例。公式表達：

可信度

3、提升度
提升度反映了關聯(lián)規(guī)則中的X重點內(nèi)容與Y的相關性：提升度 >1 且越高表明正相關性越高;提升度 <1 且越低表明負相關性越高;提升度 =1 表明沒有相關性。

提升度

算法流程：

Apriori算法流程圖

Apriori算法偽代碼：

Procedure apriori(D,min_sup)
     L1 =find_frequent_1-itemsets(D); // 找出頻繁 1 項集   
     for(k=2;Lk-1 !=null;k++)
     {  
        Ck =apriori_gen(Lk-1 );  // 產(chǎn)生候選，并剪枝  
        
        // 掃描 D 進行候選計數(shù) 
        for each 事務t  in D{      
            Ct =subset(Ck,t);    // 得到 t 的子集  
            for each 候選 c 屬于 Ct  
                c.count++;  
    
        Lk ={c 屬于 Ck|c.count>=min_sup} //返回候選項集中不小于最小支持度的項集   
     }  
     return L= 所有的頻繁集；  
第一步：連接（join）  
Procedure apriori_gen (Lk-1:frequent(k-1)-itemsets)  
      for each 項集 l1 屬于 Lk-1  
         for each 項集 l2 屬于 Lk-1  
            if((l1[1]=l2[1])&(l1[2]=l2[2])&…&(l1[k-2]=l2[k-2])&(l1[k-1]<l2[k-1]))   
            then{  
                    c = l1 連接 l2    // 連接步：產(chǎn)生候選  
                  
                   //若k-1項集中已經(jīng)存在子集c則進行剪枝  
                   if has_infrequent_subset(c,Lk-1 ) 
                   then  delete c;      // 剪枝步：刪除非頻繁候選  
                   else add c to Ck;  
                }  
      return Ck;  
第二步：剪枝（prune）   
 Procedure has_infrequent_sub (c:candidate k-itemset;Lk-1 :frequent(k-1)-itemsets)  
         for each (k-1)-subset s of c  
            if s 不屬于 Lk-1 
            then  return TRUE;  
         return FALSE;

如需源碼，請私信我。

參考資料1：https://blog.csdn.net/weixin_39220714/article/details/83595519
參考資料2：https://www.csdn.net/tags/MtTaEg5sOTQ5NjUtYmxvZwO0O0OO0O0O.html