適用場合

Apriori算法包含兩部分內容：1，發現頻繁項集 2，挖掘關聯規則。

通俗地解釋一下，就是這個意思：1.發現哪些項目常常同時出現 2.挖掘這些常常出現的項目是否存在“如果A那么B”的關系。

舉個例子：網店購物訂單常常會出現這樣一種情況：那就是某幾種物品常常一起買。比如鍋和鏟子、手機和手機殼等就會常常出現在同一個訂單中，因此挖掘出哪些項目常常同時出現就是1中的問題。再進一步，對于這些常常出現的頻繁項集，如果能挖掘出“若A則B”的更強關系，那就更好了。比如買了手機的常常會再買個手機殼，但是反過來不成立。

發現頻繁項集

發現頻繁項集最直觀的想法，就是想辦法對所有的項目進行全組合，也就是產生2ⁿ種，然后對這些不同的種類挨個計算出現最頻繁的組合。但是這種方法的搜索空間太大，速度非常慢。Apriori定理可以很大程度上縮小搜索空間，其內容是：任一頻繁項集的所有非空子集也必須是頻繁的，也就是說，任何一個非頻繁項集的超集一定也是非頻繁項集。這樣就可以直接刪除所有包含非頻繁項集的集合，很大程度上減少了搜索空間。

轉載了一張圖，非常明晰地說明了其中的道理：

（圖片來源：http://www.jianshu.com/p/00103435ef89）

挖掘關聯規則

挖掘關聯規則是以頻繁項集為基礎的。假設我們已經找到了幾個頻繁項集，現在要找到其中是否蘊含“若A則B”的因果關系。

要想計算是否存在因果關系，很直觀的想法就是計算條件概率P(B|A)，看看在A條件下B的概率是否足夠高。

術語

假設項集有A，B。

有了上述的鋪墊，現在引入術語定義：

支持度(support)：P(AB)，A和B同時出現概率。越大越頻繁。

置信度(confidence)：P(B|A)，條件概率。越大說明因果越強。

提升度(lift)：P(B|A)/P(B)，有A這個條件和沒有A這個條件時，B出現的概率之比。

實現

?

轉載于:https://www.cnblogs.com/chengyuanqi/p/7352807.html

總結

以上是生活随笔為你收集整理的[机器学习] Apriori算法的全部內容，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。