标签：总结 候选 Apriori 支持 项集 频繁 算法 数据

Apriori算法用来找出频繁出现的数据集合。

 

 

1. 频繁项集的评估标准

常用的频繁项集的评估标准有支持度、置信度、提升度三个。

 

支持度：几个关联数据在数据集中出现的次数占总数据集的比重。或者说几个关联数据出现的概率。

比如两个想分析关联性的数据X和Y，则支持度为：

以此类推，三个想分析关联性的数据X、Y、Z，则支持度为：

一般来说，支持度高的数据不一定构成频繁项集，但是支持度低的肯定不构成频繁项集。

 

置信度：一个数据出现后，另一个数据出现的概率。或者说数据的条件概率。

比如两个想分析关联性的数据X和Y，则置信度为：

以此类推，三个想分析关联性的数据X、Y、Z，则置信度为： 

举个例子，在购物数据中，纸巾对应鸡爪的置信度为40%，支持度为1%。则意味，总共有1%的用户既购买了鸡爪又买了纸巾；同时买鸡爪的用户有40%的用户购买纸巾。

 

提升度：在含有Y的条件下，同时含有X的概率，与X总体发生的概率之比，即： 置信度与X总体发生的概率之比。

提升度大于1则X<=Y是有效的强关联规则。提升度小于等于1则X<=Y是无效的强关联规则。如果X和Y独立，则lift(X<=Y) = 1，因为此时p(X|Y) = p(X)。

 

 

2. Apriori算法思想

对于Apriori算法，我们使用支持度作为判断频繁项集的标准。Apriori算法的目标是找到最大的K项频繁集。这里有两层意思，

第一层，要找到符合支持度标准的频繁集。但是这样的频繁集可能有很多。

第二层，要找到最大个数的频繁集。比如找到符合支持度的频繁集AB和ABE，那么会抛弃AB，只保留ABE，因为AB是2项频繁集，而ABE是3项频繁集。

 

Apriori算法挖掘K项频繁集过程：

Apriori算法采用迭代的方法，先搜索候选1项集及对应的支持度，剪枝去掉低于支持度的1项集，得到频繁1项集。然后对剩下的频繁1项集进行连接，得到候选的频繁2项集，筛选去掉低于支持度的候选频繁2项集，得到真正的频繁2项集，以此类推，迭代下去，直到无法找到频繁k+1项集为止，对应的频繁k项集的集合即为算法的输出结果。

可见，这个算法很简洁，第i次的迭代过程包括扫描计算候选频繁i项集的支持度，剪枝得到真正频繁i项集和连接生成候选频繁i+1项集第三步。

 

用下面这个简单例子演示：

 

数据集D有4条记录，分别是134,235,1235和25。现在用Apriori算法来寻找频繁k项集，最小支持度设置为50%。首先我们生成候选频繁1项集，包括我们所有的5个数据并计算5个数据的支持度，计算完毕后我们进行剪枝，数据4由于支持度只有25%被剪掉。我们最终的频繁1项集为1235，现在我们链接生成候选频繁2项集，包括12,13,15,23,25,35共6组。此时我们的第一轮迭代结束。

进行第二轮迭代，我们扫描数据集计算候选频繁2项集的支持度，接着进行剪枝，由于12和15的支持度只有25%而被筛除，得到真正的频繁2项集，包括13,23,25,35。现在我们链接生成候选频繁3项集，123,135，和235共3组，这部分图中没有画出。通过计算候选频繁3项集的支持度，我们发现123和135的支持度均为25%，因此接着被剪枝，最终得到的真正频繁3项集为235一组。由于此时我们无法再进行数据链接，进而得到候选频繁4项集，最终的结果即为频繁3项集235。

 

 

来自：https://www.cnblogs.com/pinard/p/6293298.html

标签：总结,候选,Apriori,支持,项集,频繁,算法,数据
来源： https://www.cnblogs.com/keye/p/14869510.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。