关联分析复习笔记

一些基本概念

事务：每条交易称之为一个事务
项：交易的每个物品称之为一个项，如牛奶，面包等
项集：包含零个或者多个项的集合如{牛奶，面包}
规则：从项集中找出各项之间的关系，如关联规则{牛奶}–>{面包}

一些重要概念

支持度：是个百分比，指的是某个商品组合出现的次数和总次数之间的比例。支持度越高，代表这个组合出现的频率越大。

置信度：指的是当你购买了商品A，会有多大的概率购买商品B。

提升度：代表的是”商品A的出现，对商品B的出现概率提升的“程度
公式：提升度（A->B）= 置信度（A->B）/支持度（B）

关联分析的目的

寻找频繁项集

频繁项集：支持度大于等于最小支持度（Min Support）阈值的项集，例如，阈值设置为50%时候，因为{牛奶，面包}的支持度是60%，所以{牛奶，面包}是频繁项集。
如果使用暴力搜索，计算量很大，很耗费时间，所以引出Apriori算法。

Apriori算法

原理：

如果某个项集是频繁的，那么它的子集也是频繁的。反过来看，如果一个项集是非频繁的，那么它的所有超集也是非频繁的。

流程：

1，首先，计算单个商品的支持度，也就是得到K=1项的支持度：



2，在上边的基础上，将商品两两进行组合，得到K=2项的支持度：

3，再将商品进行K=3项的商品组合，得到：

4，…

总结主要步骤

实现

可以直接使用python自带的工具：

from efficient_apriori import apriori