Apriori算法——关联分析规则

一、目的

通过分析商品的关联规则，将商品绑定一起，来提高商品的销售几率。
用于发现大量数据中，各组数据之间的联系。

二、概念

关联分析主要是三度概念——支持度（support），置信度（support），提升度（lift）：

1. 支持度（support）
   不同“项集”，受顾客的欢迎程度不同。支持度(Support)可以表示项集在事务中出现的概率（频率），也可以理解成顾客对某一个项集的“支持程度”。
   {X}的支持度 = {X}在事务中出现的次数 / 事务总数；
2. 置信度（support）
   置信度(Confidence)可用于衡量关联规则的可靠程度，表示在前件出现的情况下，后件出现的概率。一般来说，概率越高，规则的可靠性越强。
   {X}→{Y}的置信度 = {X，Y}的支持度 / {X}的支持度；
3. 提升度（lift）
   关联规则既有促进关系，也有抑制关系。因而，还需引入提升度(Lift)对它们进行判断。lift大于1为促进关系，lift小于1为抑制关系。
   {X}→{Y}的提升度 = {X}→{Y}的置信度 / {Y}的支持度；
4. 最小支持度
   用于筛掉那些不符合需求的项集。被留下来的项集（≥ 最小支持度），被称为频繁项集。有了频繁项集，就可以生产关联规则了。
5. 关联规则
   关联分析是探索数据之间联系的技术，而数据之间的联系，我们用关联规则来表示，表达式为：{X}→{Y}（X 和 Y 之间不存在相同项）。
   规则有顺序之分，为了方便描述，我们把规则前面的项集叫前件，把规则后面的项集叫后件。
   假设有频繁项集 {奶茶，薯条}，（这里奶茶为前件，薯条为后件），它可以生成2条关联规则：{奶茶}→{薯条}和{薯条}→{奶茶}。前者的意思是，购买“奶茶”的顾客，和购买“薯条”之间，可能存在有某种联系！

三、Apriori算法流程

要使用Apriori算法，我们需要提供两个参数，数据集和最小支持度。我们从前面已经知道了Apriori会遍历所有的物品组合，怎么遍历呢？答案就是递归。先遍历1个物品组合的情况，剔除掉支持度低于最小支持度的数据项，然后用剩下的物品进行组合。遍历2个物品组合的情况，再剔除不满足条件的组合。不断递归下去，直到不再有物品可以组合。

Python实战

1. 用到的库是mlxtend，及参数介绍

def apriori(df, min_support=0.5,  
            use_colnames=False, 
            max_len=None)
参数如下：
df：这个不用说，就是我们的数据集。
min_support：给定的最小支持度。
use_colnames：默认False，则返回的物品组合用编号显示，为True的话直接显示物品名称。
max_len：最大物品组合数，默认是None，不做限制。如果只需要计算两个物品组合的话，便将这个值设置为2。

2.使用Apriori算法找到频繁项集

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
 
#设置数据集
dataset = [['牛奶','洋葱','肉豆蔻','芸豆','鸡蛋','酸奶'],
        ['莳萝','洋葱',&#