数据分析-APRIORI算法

概念

1. 支持度：指某个组合商品出现的次数与总数之间的比例
2. 置信度：条件概念，在A发生的情况下，B发生的概率
3. 提升度： 提升度(A->B) = 置信度(A->B)/支持度(B) 这是用来衡量A出现的情况下，是否会对B出现的概率有提升。若提升度大于1说明有，等于1说明没有，小于1说明会导致B下降。

APRIORI算法的工作原理

• 说白了Apriori算法就是查找频繁项集(Frequent Itemset)的过程- 频繁项集：支持度大于等于最小支持度(Min support)阈值的项集- 算法流程：

1. K=1，计算K项集的支持度
2. 筛选掉小于最下支持度的项集
3. 如果项集为空，则对应K-1项集的结果为最终结果，否则K=K+1重复1-3

APRIORI算发的缺点

1. 可能产生大量的候选集2. 每次计算都需要重新扫描数据集，来计算每个项集的支持度3. 浪费大量的时间和空间

FP-Growth算法

• 针对APRIORI算法的缺点，FP-Growth算法创建了一颗FP树来存储频繁项集。在创建前对不满足最小支持度的项进行删除，减少存储空间，并且整个生成过程，只遍历数据集两次

FP-Growth算法的流程

1. 创建项头表(包括项目、支持度)，以及该项在FP树中的链表(初始为空)
2. 构造FP树，按照支持度从高到低的顺序创建节点，节点如果存在就将计数countr+1 ，不存在就进行创建。
3. 通过FP树挖掘频繁项集。

Python实战