算法详解-《Apriori关联分析》

概述

在日常生活中，我们都可能会在商店看到一些相关联的商品放在一起，例如牙刷配置毛巾牙膏。
这些相关联的关系如何被确定。我们可以通过消费者购买的商品记录进行一个分析。对数据进行挖掘【采用某些算法】，得到商品之间是否存在联系

1. 一些相关术语

1. 这里采用的案例的数据如下
   

2. 支持度： 数据集中包含该项集的记录的比例，如A在5条数据中出现了4次 support(A)=4/5 同理support(B) = 4/5 support(F) = 1/5

3. 置信度：表示使用包含A的事务中同时包含B事务的比例，即同时包含A和B的事务占包含A事务的比例。公式表达：Confidence=P(A&B)/P(A) 如Confidence(A&B,A)=3/5 / 4/5 = 3/4 说明有买A的客户有3/4的几率会买B

4. 频繁项集：指几个商品的组合经常出现的项集

5. 最小置信度阈值和最小支持度阈值：我们会提供最小置信度，如果置信度/支持度低于我们所需要的最小的置信度/支持度 抛弃 。用于筛选目标的条件

2. 普通算法计算商品关联

对于普通的计算就是将所有的组合都算一遍

• 如下 以ABCD为例子 【可以将上面的案例中的EF去掉 因为太多项太乱了 而且上图的EF也是不符合项 不影响我们分析】
  
  每个节点都要算一遍
  support[C(A...D)]

那么如果是大数据量那么怎么计算,就需要用到Apriori定义

3. Apriori算法

针对于普通方法 Apriori算法可以对一些数据计算进行剪枝，通过支持度 和置信度的比较，来对数据剪枝，下面会用数据逐步介绍。

1. 非频繁项集的超集一定是非频繁的，即如果X是非频繁项集，如果Y包含X，则Y是X的超集也是非频繁项集
   假设X={a} X的超级就是{a,b},{a,c},{a,b,c}等

2. 频繁项集的所有非空子集都必须是频繁的。如果{a,b},{a,c},{a,b,c}不等于空,则{a}，{b,c}都是频繁项集

3. 重点：也是证明上述的性质：假设项集I的支持度小于最小支持度的阈值，则I不是频繁项集，I的非空子集也不可能是频繁项集
   I的支持度大于最小支持度的阈值，则I是频繁项集，I的非空子集一定是频繁项集。{a,b} 的非空子集{a}跟{b} support({a,b})<=support({a})或者support({b})
   
   对上面案例进行详细计算
   
   决策图仅画出A~D 从项集剩下ABCD开始画 我们也可以参照频繁项集的性质对计算进行剪枝！！！ 节约计算成本
   

4. 最后通过计算置信度 上图ABCD 可以求出关联规则可靠性
   如{a,c} {a,b}都是关联规则 如果用户买a 我们应该推荐b还是c更好呢 也就是置信度的目的，看谁更可靠。
   另外买c【房子】推荐a【家具】 跟 买a【家具】推荐c【房子】， 两者的置信度不一定相等。
   推荐时置信度大于我们规定的 就推荐！！！

缺点：

• 遍历太多次了 不断组合判断 效率低
• 对于大数据量，还是有所消耗

资料

数据挖掘-Apriori算法讲解
使用Apriori算法进行关联分析 - 理论
简单关联规则Apriori算法的例题讲解
使用Apriori算法进行关联分析
购物车里商机挖掘——apriori算法