一：Apriori算法介绍

关联规则挖掘是数据挖掘中最活跃的研究方法之一。最早是由 Agrawal 等人提出的1993最初提出的动机是针对购物篮分析问题提出的，其目的是为了发现交易数据库中不同商品之间的联系规则。这些规则刻画了顾客购买行为模式，可以用来指导商家科学地安排进货，库存以及货架设计等。

Apriori算法是一种挖掘关联规则的频繁项集算法，一种最有影响的挖掘布尔关联规则频繁项集的算法。Apriori是由a priori合并而来的，它的意思是后面的是在前面的基础上推出来的，即先验推导。其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

Apriori定律：

如果一个集合是频繁项集，则它的所有子集都是频繁项集。
如果一个集合不是频繁项集，则它的所有超集都不是频繁项集。

算法处理过程如下，在数据库中寻找关联度最高的一组值：

Apriori算法采用了逐层搜索的迭代的方法，算法简单明了，没有复杂的理论推导，也易于实现。但其有一些难以克服的缺点：

对数据库的扫描次数过多
Apriori算法会产生大量的中间项集
采用唯一支持度
算法的适应面窄

总结来说：

Apriori算法基本思想：频繁项集的任何子集也一定是频繁的。
用频繁的(k-1)-项集生成候选的频繁k-项集，用数据库扫描和模式匹配计算候选集的支持度

二：例题

挖掘出支持度为3的最大频繁项级：

解答过程如下，这也是著名的“尿布与啤酒”问题

三：FP-growth算法

Apriori算法在产生频繁模式完全集前需要对数据库进行多次扫描，同时产生大量的候选频繁集，这就使Apriori算法时间和空间复杂度较大。但是Apriori算法中有一个很重要的性质：频繁项集的所有非空子集都必须也是频繁的。但是Apriori算法在挖掘额长频繁模式的时候性能往往低下，Jiawei Han提出了FP-Growth算法。

FP-growth算法将数据集存储在一种称作FP树的紧凑数据结构中，然后发现频繁项集或者频繁项对，即常在一块出现的元素项的集合FP树。FP代表频繁模式（Frequent Pattern）。FP树通过链接（link）来连接相似元素，被连起来的元素项可以看成一个链表。

FP-growth算法虽然能高效地发现频繁项集，但是不能用于发现关联规则。FP-growth算法的执行速度快于Apriori算法，通常性能要好两个数量级以上。

FP-growth算法只需要对数据集扫描两次，它发现频繁项集的过程如下：

构建FP树
从FP树中挖掘频繁项集

如果有兴趣了解更多相关内容，欢迎来我的个人网站看看：瞳孔空间

Apriori算法及例题相关推荐

Apriori算法例题
Apriori算法表1 TID Itermset 1 A,B,C,D 2 B,C,E 3 A,B,C,E 4 B,D,E 5 A,B,C,D 最小支持度为40%,最小信任度为60% 1.求最大频繁项 ...
关联分析(Apriori算法) 面包牛奶尿布啤酒 ...
关联分析时,需要处理两个关键问题 1 大量数据集中发现模式,计算代价高 2 某些模式可能是虚假的,因为他们是偶然发生的关联分析例题:从这个商品记录得出顾客喜欢同时购买那几样东西 TID 面包牛奶 ...
关联规则算法——Apriori算法
1.关联规则的名词解释项集:数据库中的数据项构成的非空集合事务:一个事务包含了一个或多个项集支持度:包含项集x的事务数量与全部事务数量的百分比置信度:同时包含数据项x和数据项y的事务数量与事务 ...
Apriori算法通俗详解_fpgrowth2_关联分析评估
20220317 https://blog.csdn.net/a790439710/article/details/103080674 支持度,置信度各指标再理解条件模式基:在某元素比如y出现的前提 ...
关于kNN、kMeans、Apriori算法小结
趁着准备即将到来的笔试,也为了回顾一下这一星期来所学的三个机器学习算法,觉得还是重新理一下思路,好理解一下这几个算法. 复制代码 kNN算法即k-近邻算法,属监督学习. 概述优点:精度高,对异常值 ...
Apriori算法进行关联分析实战
使用Apriori算法进行关联分析(层次聚类) 一.基础知识 1.关联分析定义及存在的问题定义:从大规模的数据集中寻找物品间的隐含关系,被称为关联分析或关联规则学习. 关联分析存在的主要问题:主要问 ...
R语言apriori算法进行关联规则挖掘（限制规则的左侧或者右侧的内容进行具体规则挖掘）、使用subset函数进一步筛选生成的规则去除左侧规则中的冗余信息、获取更独特的有新意的关联规则
R语言apriori算法进行关联规则挖掘(限制规则的左侧或者右侧的内容进行具体规则挖掘).使用subset函数进一步筛选生成的规则去除左侧规则中的冗余信息.获取更独特的有新意的关联规则目录
R语言apriori算法进行关联规则挖掘（限制规则的左侧或者右侧的内容进行具体规则挖掘）、查看限制了规则的右侧之后挖掘到的规则（置信度排序，只查看左侧即可）
R语言apriori算法进行关联规则挖掘(限制规则的左侧或者右侧的内容进行具体规则挖掘).查看限制了规则的右侧之后挖掘到的规则(置信度排序,只查看左侧即可) 目录
R语言Apriori算法关联规则挖掘:使用interestMeasure函数评估挖掘到的规则（包括覆盖率（coverage）和FishersExactTest）、置信度最高的五条规则（top five
R语言Apriori算法关联规则挖掘:使用interestMeasure函数评估挖掘到的规则(包括覆盖率(coverage)和FishersExactTest).置信度最高的五条规则(top five ...

Apriori算法及例题

一：Apriori算法介绍

二：例题

三：FP-growth算法

Apriori算法及例题相关推荐

最新文章

热门文章