第11章：使用Apriori算法进行关联分析（计算频繁项集）

最新推荐文章于 2024-10-23 18:08:54 发布

原创

最新推荐文章于 2024-10-23 18:08:54 发布 · 2.7k 阅读

6 ·

CC 4.0 BY-SA版权

本文旨在介绍如何使用Apriori算法进行关联分析，寻找数据集中频繁出现的项集。通过设定最小支持度阈值（0.8），算法能够找出数据中相互关联的物品集合。Apriori原理利用了频繁项集的性质，避免了生成所有可能组合的低效过程，从而高效地确定频繁项集。代码实现进一步展示了这一过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目的：找到数据集中事务的关系，如超市中经常一起出现的物品集合，想找到支持度超过0.8的所有项集

概念：

频繁项集：指经常出现在一起的物品集合；

关联规则：指两个物品之间可能存在很强的关系，如一个人买了什么之后很大可能会买另一种东西；

支持度：数据集中包含该项集的记录所占的比例；保留满足最小支持度的项集即为频繁项集；

可信度：针对诸如{尿布}-{葡萄酒}这样的关联规则产生的，定义为支持度({尿布，葡萄酒})/支持度({尿布})

Apriori原理：

想找到支持度超过0.8的所有项集，一般做法是生成所有可能的组合，对每种组合统计其出现的频繁程度，当物品较多时，做法很慢。Apriori帮助减少可能感兴趣的项集数，原理是如果某个项集是频繁的，则它的所有子集也是频繁，但是反过来，如果一个项集是非频繁的，则它的所有超集也是非频繁的。因此该算法从最简单的一个元素开始，计算一个元素的支持度，如果支持度小于最小支持度，则去除该元素；然后将两个元素结合，计算两个元素的支持度，仍然小于最小支持度则去除，以此类推找到所有可能的大于最小支持度的元素组合。

代码：


def apriori(dataSet,minSupport=0.5):
    #创建单个元素列表
    C1=createC1(dataSet)

    #map必须转化为list才能使用
    D=list(map(set,dataSet))

    #去除支持度小于最小支持度的单个元素，返回大于支持度的单个元素列表以及所有元素的支持度
    L1,supportData=scanD(D,C1,minSupport)

    #L是一