Apriori算法是一种经典的关联规则挖掘算法，由Rakesh Agrawal 和 Ramakrishnan Srikant提出。它通过逐层搜索寻找频繁项集，利用Apriori性质压缩搜索空间。在购物篮分析中，Apriori帮助发现顾客可能同时购买的商品，以优化商品布局和促销策略。算法包括连接和剪枝两个步骤，虽然存在计算复杂度高的问题，但可通过各种优化方法如基于hash表的计数、事务压缩等提升效率。FP-growth算法是Apriori的一种高效替代方案。
一、Apriori 算法概述
Apriori 算法是一种最有影响力的挖掘布尔关联规则的频繁项集的 算法，它是由Rakesh Agrawal 和RamakrishnanSkrikant 提出的。它使用一种称作逐层搜索的迭代方法，k- 项集用于探索（k+1）- 项集。首先，找出频繁 1- 项集的集合。该集合记作L1。L1 用于找频繁2- 项集的集合 L2，而L2 用于找L2，如此下去，直到不能找到 k- 项集。每找一个 Lk 需要一次数据库扫描。为提高频繁项集逐层产生的效率，一种称作Apriori 性质的重 要性质 用于压缩搜索空间。其运行定理在于一是频繁项集的所有非空子集都必须也是频繁的，二是非频繁项集的所有父集都是非频繁的。
二、问题的引入
购物篮分析：引发性例子
Question：哪组商品顾客可能会在一次购物时同时购买？
关联分析
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
