Apriori算法通俗讲解

最新推荐文章于 2024-05-18 15:53:33 发布
最新推荐文章于 2024-05-18 15:53:33 发布
阅读量1.2w 收藏 103
点赞数 10
分类专栏： python 机器学习 文章标签： 算法 python 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u012494321/article/details/108932900
版权
Apriori算法是用于大规模数据集的关联分析，旨在找出频繁项集和关联规则。它通过Apriori原理降低计算时间，避免项集数目的指数增长。算法流程包括生成频繁项集列表，不断增加项集长度，直到找不到新的频繁项集。关联规则基于频繁项集，通过支持度和可信度进行评估。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、Apriori算法简介

       Apriori算法用于解决大规模数据集的关联分析问题。关联分析（association analysis）或关联规则学习（association rule learning）是从大规模数据集中寻找物品间的隐含关系。但是，寻找物品的不同组合是一项十分耗时的任务，计算代价高，蛮力搜索并不能解决问题，所以需要更智能的方法在合理时间范围内找到频繁项集。Apriori算法就是解决这个问题的。

二、关联分析

       关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：（1）频繁项集，（2）关联规则。

（1）频繁项集

频繁项集：是经常出现在一块的物品的集合。

量化方法：支持度（support）。支持度是数据集中包含该项集的记录所占的比例。例如数据

最低0.47元/天 解锁文章
【数据挖掘实战】——中医证型的关联规则挖掘(Apriori算法)
lingxw的博客
02-19 1万+
能够帮助乳腺癌患者手术后体质的恢复、生存质量的改善，有利于提高患者的生存机率。探索不同分期阶段的三阴乳腺癌患者的中医证素分布规律，以及截断病变发展、先期干预的治疗思路，指导三阴乳腺癌的中医临床治疗。问卷信息采集者均要求有中医诊断学基础，能准确识别病人的舌苔脉象，用通俗的语言解释医学术语，并确保患者信息填写准确；中医辨证极为灵活，虽能够处理患者的复杂多变的临床症状，体现出治疗优势。但缺乏统一的规范，难以做到诊断的标准化。同一种疾病的辨证分型，往往都有不同见解，面对临床症状不典型的患者，初学者很难判断。
FP-growth算法通俗讲解
u012494321的博客
11-29 5953
FP-growth算法是一种高效发现频繁集的方法。例如你在搜索引擎中搜索一个词，它会自从补全查询词项，该处用到了FP-growth算法，通过查看互联网上的用词来找出经常在一块出现的词。【FP（Frequent Pattern）】 FP-growth算法基于Apriori算法，但是比Apriori算法执行速度快，通常性能要好两个数量级以上。FP-growth算法虽然能更高效地发现频繁项集，但是不能用于发现关联规则。 FP-growth算法将数据集存储在一个特定的F...
Apriori算法是什么？适用于什么情境？
Miracle42的博客
11-22 6395
Apriori适用于什么场景？ Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。 例如什么商品集合顾客会在同一次购物中购买？最著名的例子莫过于啤酒与尿布的故事。看似两个无关的商品，沃尔玛却发现它们经常被一起购买。这是为什么呢？ 沃尔玛经过分析后发现，美国的家庭主妇们经常会让她们的丈夫在回家的路上顺道买一些尿布给孩...
Apriori算法原理总结
weixin_33889245的博客
01-17 337
　　　　Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据集，那么对于超市，我们可以优化产品的位置摆放，对于电商，我们可以优化商品所在的仓库位置，达到节约成本，增加经济效益的目的。下面我们就对Apriori算法做一个总结。 1. 频繁项...
Apriori算法详解
m0_66789766的博客
05-09 831
P(B|A)，在A发生的事件中同时发生B的概率 p(AB)/P(A)     例如购物篮分析：牛奶 ⇒ 面包 例子：[支持度：3%，置信度：40%] 支持度3%：意味着3%顾客同时购买牛奶和面包 置信度40%：意味着购买牛奶的顾客40%也购买面包 ③如果事件A中包含k个元素，那么称这个事件A为k项集事件A满足最小支持度阈值的事件称为频繁k项集。 ④同时满足最小支持度阈值和最小置信度阈值的规则称为强规则 四、实现步骤 Apri 《
Apriori算法
积一时之步，臻千里之遥程
08-09 3413
1 关联分析概述 1.1 关联分析 关联分析（association analysis）是一种在大规模数据集中寻找有趣关系的非监督学习算法。 这种关系可以有两种形式： 频繁项集或者关联规则。 频繁项集（frequent item sets）是经常出现在一块的物品的集合， 关联规则（association rules）暗示两种物品之间可能存在很强的关系。 关联分析的一个典型例子是购物篮分析。 交易号码 商品 001 豆奶，莴苣 002 莴苣，尿布，啤酒，甜菜 003 豆奶，尿布，啤酒，橙汁 004 莴苣，
机器学习（三）：Apriori算法（算法精讲）
Auraros的博客
06-22 2469
机器学习（三）：Apriori算法（算法精讲） 上面图片就是Apriori算法的一部分流程，是不是看不太懂，当初看理解这个算法也花了不少时间，在这里我先介绍一下关联规则挖掘。 Apriori算法——关联规则挖掘 1）关联规则挖掘 首先，关联规则挖掘的目的是找出事物之间存在的隐藏的关系，比如大家都知道的经典的案例啤酒和尿布的的故事，用我们人的思维来思考的话，男性在买尿布的时候会买几瓶啤酒，这二者并...
Apriori算法初步介绍
qq_21245623的博客
08-31 458
Apriori算法：我们以下图某个杂货店的交易清单进行讲解。 首先介绍两个基本概念：  支持度： 一个项集的支持度为：数据集中包含该项集的记录所占的比例。如{豆奶}的支持度为4/5。{豆奶，尿布}的支持度为3/5。支持度是针对项集而言的，所以可以定义一个最小支持度，只保留满足最小支持度的项集。 可信度或者置信度： 是针对类似{尿布}->{葡萄酒}的
Apriori算法讲解
05-01
自己搜集的比较全面的关于Apriori算法、FP-growth算法的详细介绍，汇总了维基百科、谷歌以及大牛们的BLOG。
apriori算法
04-16
数据挖掘算法。。。。。
APRIORI算法
02-08
十大经典数据挖掘算法之一，核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。
学习序列模式挖掘--Apriori算法
perfectzxiny的博客
11-05 1643
学习序列模式挖掘 1.1引言 已Apriori算法为例，此算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。A priori在拉丁语中指"来自以前"。当定义问题时，通常会使用先验知识或者假设，这被称作"一个先验"（a priori）。Apriori算法的名字正是基于这样的事实：算法使用频繁项集性质的先验性质，即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项
Apriori算法通俗详解_fpgrowth_关联
kyle1314608的博客
06-15 3227
1.Apriori算法描述 Apriori算法指导我们，如果要发现强关联规则，就必须先找到频繁集。所谓频繁集，即支持度大于最小支持度的项集。如何得到数据集合D中的所有频繁集呢？ 有一个非常土的办法，就是对于数据集D，遍历它的每一条记录T，得到T的所有子集，然后计算每一个子集的支持度，最后的结果再与最小支持度比较。且不论这个数据集D中有多少条记...
【机器学习】Apriori算法详解（关联规则挖掘）
最新发布
酒酿小圆子呀～
05-18 4673
Apriori 算法是最为经典的关联规则挖掘算法之一。关于关联规则有个很常见的例子：啤酒与尿布。沃尔玛在分析销售记录时，发现啤酒和尿布经常一起被购买，于是他们调整了货架，把两者放在一起，结果真的提升了啤酒的销量。关联规则分析也称为购物篮分析，最早是为了发现超市销售数据库中不同的商品之间的关联关系。关联规则是反映一个事物与其他事物之间的关联性，若多个事物之间存在着某种关联关系，那么其中的一个事物就能通过其他事物预测到。这里要注意，关联规则不是因果关系，有可能有因果关系，有可能没有。定义 1。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值