【机器学习算法】之Apriori

一.算法介绍

Apriori算法不同于以前接触过的机器学习算法，这种算法用于在数据集中寻找有趣的关系。这些关系可以有两种形式：频繁项集或者关联规则。
关于算法的详细介绍参见：
http://blog.youkuaiyun.com/qustdjx/article/details/12770883
http://blog.youkuaiyun.com/yangliuy/article/details/7494983

二.python实现

def apriori(dataSet, minSupport = 0.5):
    C1 = createC1(dataSet)
    D = map(set, dataSet)
    L1, supportData = scanD(D, C1, minSupport)
    L = [L1]
    k = 2
    while (len(L[k-2]) > 0):
        Ck = aprioriGen(L[k-2], k)
        Lk, supK = scanD(D, Ck, minSupport)#scan DB to get Lk
        supportData.update(supK)
        L.append(Lk)
        k += 1
    return L, supportData

apriori是一种无监督的学习算法，可以用于从数据中发现一些规律。个人感觉这种算法也可以用于数据挖掘的特征选择和预处理阶段。这种算法的问题在于模型比较简单，基于规则的算法上限可能不太高。