关联规则挖掘Apriori

关联规则挖掘Apriori及FP-Growth算法

关联规则中的几个概念：

1. 支持度：某个商品组合出现的次数与总次数之间的比例。支持度越高，代表这个组合出现的频率越大。

2. 置信度：是个条件概念，即在A发生的情况下，B发生的概率是多少。

3. 提升度：当A出现时，对B出现概率的提升程度。

   提升度(A→B)=置信度(A→B)/支持度(B)

   • 提升度(A→B)>1：代表有提升
   • 提升度(A→B)=1：代表有没有提升，也没有下降
   • 提升度(A→B)<1：代表有下降

Apriori工作原理：本质上是查找频繁项集的过程

• 频繁项集指支持度大于等于最小支持度阈值的项集

Apriori算法流程：

1. K=1，计算K项集的支持度；
2. 筛选掉小于最小支持度的项集；
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步。

Apriori算法的缺点：

• 由于采用排列组合的方式，因此可能会产生大量候选集
• 每次计算都要重新扫描数据集来计算每个项集的支持度
• 因此Apriori算法会浪费很多计算空间和计算时间

FP-Growth算法：Apriori算法的改进

• 特点：创建一棵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，从而节省了存储空间
• 整个生产过程只遍历数据集2次，大大