数据挖掘中，Apriori算法讲解

最新推荐文章于 2024-12-31 10:00:52 发布

原创

最新推荐文章于 2024-12-31 10:00:52 发布 · 2.4k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #Apriori算法

Apriori算法是关联规则挖掘中用于寻找频繁项集的算法。它采用逐层搜索的迭代方法，从1-项集开始，逐步生成更长的频繁项集，直到找不到满足最小支持度的项集为止。该算法可用于消费市场分析，揭示顾客消费习惯。通过实例展示了Apriori算法的执行过程，揭示其缺点在于产生大量候选集并可能多次扫描数据库。

一般给定一个事务数据库，关联规则挖掘问题就是通过用户指定最小支持度（support)和最小可信度（confidence)来寻找强关联规则的过程。关联规则挖掘问题可以划分成两个子问题，第一，发现频繁项目集，第二，生成关联规则。

一，我讲的这部分是频繁项集的生成，之后还有生成关联规则的部分。Apriori算法是一种关联规则的频繁项算法。
二，它的核心思想是使用候选项集寻找频繁项集。Aprori算法使用一种称为逐层搜索的迭代方法，k-项集用于搜索（k+1)-项集。首先找出所有频繁1-项集L1，然后用L1寻找频繁2-项集L2，然后用L2寻找频繁3-项集L3，以此类推下去，直到不能找到频繁K-项集为终止。
三，Apriori算法的用途
可以用于消费市场价格分析，猜测顾客的消费习惯。

下面，我们可以来看一个关于Aprori算法的例子