一、Apriori算法簡介

? ? ? ?Apriori算法用于解決大規模數據集的關聯分析問題。關聯分析（association analysis）或關聯規則學習（association rule learning）是從大規模數據集中尋找物品間的隱含關系。但是，尋找物品的不同組合是一項十分耗時的任務，計算代價高，蠻力搜索并不能解決問題，所以需要更智能的方法在合理時間范圍內找到頻繁項集。Apriori算法就是解決這個問題的。

二、關聯分析

? ? ? ?關聯分析是一種在大規模數據集中尋找有趣關系的任務。這些關系可以有兩種形式：（1）頻繁項集，（2）關聯規則。

（1）頻繁項集

頻繁項集：是經常出現在一塊的物品的集合。

量化方法：支持度（support）。支持度是數據集中包含該項集的記錄所占的比例。例如數據集[[1, 3, 4], [2, 3, 5], [1, 2, 3], [2, 5]]中，項集{2}的支持度為3/4，項集{2,3}的支持度為1/2。

（2）關聯規則

關聯規則：暗示兩種物品之間可能存在很強的關系。

量化計算：可信度或置信度（confidence）。可信度是針對一條關聯規則（如{2}-->{3}）來定義的。{2}-->{3}這條規則的可信度為“支持度{2，3}/支持度{2}”，即2/3，意味著包含{2}的所有記錄中2/3符合規則包含{2,3}。

三、Apriori原理

? ? ? ?無論頻繁項集還是關聯規則都需要計算支持度。如果數據量小，計算一個項集的支持度可以針對每個項集掃描所有數據，然后統計該項集出現的總數除以總的交易記錄數，就可以得到支持度。但是對于N個物品的數據集共有2N-1中項集組合，即使4個物品也需要遍歷數據集15次，100種物品有中可能的項集組合，對現代計算機而言，需要很長的時間才能完成運算，何況事實上，商店都會有上百上千種商品。

? ? ? ?Apriori算法可以降低計算時間，減少可能感興趣的項集。

? ? ? ?Apriori原理：如果某個項集是頻繁的，那么它的所有子集也是頻繁的。如若{2,3}是頻繁的，那么{0}、{1}也一定是頻繁的。反過來同樣，如果一個項集是非頻繁集，那么它的所有超集也是非頻繁的。如若{2,3}是非頻繁的，那么{0,2,3}、{1,2,3}、{0,1,2,3}也是非頻繁項。所以如果計算出{2,3}的支持度是非頻繁的，那么{0,2,3}、{1,2,3}、{0,1,2,3}的支持度就不用計算了。

Apriori原理可以避免項集數目的指數增長，從而在合理時間內計算出頻繁項集。

四、Apriori算法發現頻繁項集

Apriori算法流程：

1）首先，基于數據集生成個數為1的項集的列表C1；

2）根據頻繁項集函數，計算C1中各元素的支持度，去掉不滿足最小支持度的元素，生成滿足最小支持度的頻繁項集列表L1；

3）根據創建候選項集函數，基于L1生成k=2的候選項集列表C2；

4）根據頻繁項集函數，基于C2生成滿足最小支持度的k=2的頻繁項集列表L2；

5）增加k的值，重復3）、4）生成Lk，直到Lk為空時，返回L列表，L包含L1、L2、L3...

? ? ? ?以下是創建候選項集函數及解釋。

? ? ? ?至于為什么是比較前k-2個元素呢，一般初始項集個數為1，由k=1的項集生成k=2的項集。所以k的初始值也為2。如果要生成個數為k的項集，則比較前k-2項，如果相等合并，正好比較的項各剩下1個不相等的元素，這樣合并后個數就為k-2+1+1=k項。（以下是舉例推導過程，忽略C2經過濾后生成L2，直接將C2視為L2，相當于支持度為0）

? ? ? ?比較前k-2個元素，可以減少遍歷列表的次數。比如想利用{0,1}、{0,2}、{1,2}來創建三元素項集，如果將每兩個集合合并，就會得到{0,1,2}、{0,1,2}、{0,1,2}。同樣的結果結合會重復3次，還需要處理以得到非重復結果。現在只比較第k-2=1個元素，第1個元素相同才合并集合，得到{0,1,2}，只有一次操作，這樣就不需要遍歷列表來尋找非重復值。

五、從頻繁項集中挖掘關聯規則

? ? ? ?首先從一個頻繁項集開始，接著創建一個規則列表，其中規則右部只包含一個元素，然后對這些規則進行測試。接下來合并所有剩余規則來創建一個新的規則列表，其中規則右部包含兩個元素。這種方法也被稱作分級法。【待續】

總結

以上是生活随笔為你收集整理的Apriori算法通俗讲解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。