关联规则挖掘是一种识别不同项目之间潜在关系的技术。以超级市场为例，客户可以在这里购买各种商品。通常，客户购买的商品有一种模式。例如，有婴儿的母亲购买婴儿产品，如牛奶和尿布。少女可以购买化妆品，而单身汉可以购买啤酒和薯条等。总之，交易涉及一种模式。如果可以识别在不同交易中购买的物品之间的关系，则可以产生更多的利润。

例如，如果项目A和项目B的购买频率更高，则可以采取几个步骤来增加利润。例如：

A和B可以放在一起，这样，当客户购买其中一种产品时，他不必走很远就可以购买另一种产品。

购买某一种产品的人可以通过广告活动来定位以购买另一种产品。

如果客户购买了这两种产品，则可以在这些产品上提供折扣。

A和B都可以包装在一起。

识别产品之间的关联的过程称为关联规则挖掘。

关联规则挖掘的Apriori算法

已经开发出不同的统计算法来实现关联规则挖掘，而Apriori就是这样一种算法。在本文中，我们将研究Apriori算法背后的理论，稍后将在Python中实现Apriori算法。

先验算法理论

支持度

支持是指商品的默认受欢迎程度，可以通过查找包含特定商品的交易数量除以交易总数来计算。假设我们想找到对项目B的支持。可以将其计算为：

Support(B) = (Transactions containing (B))/(Total Transactions)

例如，如果在1000个事务中，有100个事务包含Ketchup，则对项目Ketchup的支持可以计算为：

Support(Ketchup) = (Transactions containingKetchup)/(Total Transactions) Support(Ketchup) = 100/1000 = 10%

置信度

置信度是指如果购买了商品A，也购买了商品B的可能性。可以通过找到一起购买A和B的交易数量除以购买A的交易总数来计算。从数学上讲，它可以表示为：

Confidence(A→B) = (Transactions containing both (A and B))/(Transactions containing A)

回到我们的问题，我们有50笔交易，汉堡和番茄酱是一起购买的。在150笔交易中，会购买汉堡。然后我们可以发现购买汉堡时购买番茄酱的可能性可以表示为Burger-> Ketchup的置信度，并且可以用数学公式写成：

Confidence(Burger→Ketchup) = (Transactions containing both (Burger and Ketchup))/(Transactions containing A) Confidence(Burger→Ketchup) = 50/150 = 33.3%

提升度

Lift(A -> B)指当出售A时B的出售比例的增加。提升(A –> B)可以通过除Confidence(A -> B)以来计算Support(B)。从数学上讲，它可以表示为：

Lift(A→B) = (Confidence (A→B))/(Support (B))

回到我们的汉堡和番茄酱问题，Lift(Burger -> Ketchup)可以计算为：

Lift(Burger→Ketchup) = (Confidence (Burger→Ketchup))/(Support (Ketchup)) Lift(Burger→Ketchup) = 33.3/10 = 3.33

Lift基本上告诉我们，一起购买汉堡和番茄酱的可能性是仅购买番茄酱的可能性的3.33倍。

Apriori算法涉及的步骤

对于大量数据，成千上万的交易中可能有数百个项目。Apriori算法尝试为每种可能的项目组合提取规则。例如，可以为项目1和项目2，项目1和项目3，项目1和项目4，然后是项目2和项目3，项目2和项目4，然后是项目1，项目2和项目3的组合计算提升。项目3；类似地，项目1，项目2和项目4，依此类推。

用Python实现Apriori算法

从理论上讲，现在是时候看看Apriori算法了。在本节中，我们将使用Apriori算法查找规则，这些规则描述了在法国零售商店一周进行7500次交易的不同产品之间的关联。

另一个有趣的一点是，我们不需要编写脚本来为所有可能的项目组合计算支撑度，置信度和提升度。我们将使用一个现成的库，其中所有代码都已实现。

我指的是apyori库，可以在这里找到源。我建议您在继续之前，在Python库的默认路径中下载并安装该库。

注意：本文中的所有脚本均已使用Spyder IDEfor Python执行。

请按照以下步骤在Python中实现Apriori算法：

导入库

与往常一样，第一步是导入所需的库。

导入数据集

现在，我们导入数据集执行以下脚本：

store_data = pd.read_csv('D:\\Datasets\\store_data.csv')

让我们调用该head()函数以查看数据集：

store_data.head()

need-to-insert-img

上面的屏幕快照中显示了数据集的摘要。如果仔细查看数据，我们可以看到标题实际上是第一个事务。每行对应一个交易，每列对应于在该特定交易中购买的商品。在NaN告诉我们，列所代表的项目在具体的交易没有购买。

在此数据集中没有标题行。 如下所示：

store_data = pd.read_csv('D:\\Datasets\\store_data.csv', header=None)

现在执行head()函数：

store_data.head()

现在，我们将使用Apriori算法来找出哪些商品通常一起出售，以便商店所有者可以采取行动将相关商品放在一起或一起做广告 。

need-to-insert-img

数据处理

我们将要使用的Apriori库要求我们的数据集采用列表列表的形式，其中整个数据集是一个大列表，而数据集中的每个事务都是外部大列表中的一个内部列表。

应用

下一步是将Apriori算法应用于数据集。为此，我们可以使用apriori从apyori库导入的类。

在第二行中，我们将apriori类找到的规则转换为，list因为这样更容易查看结果。

查看结果

首先让我们找到apriori该类挖掘的规则总数。执行以下脚本：上面的脚本应返回48。每个项目对应一个规则。

让我们打印association_rules列表中的第一项以查看第一条规则。执行以下脚本：输出应如下所示：

RelationRecord(items=frozenset({'light cream', 'chicken'}), support=0.004532728969470737, ordered_statistics[OrderedStatistic(items_base=frozenset({'light cream'}), items_add=frozenset({'chicken'}), confidence=0.29059829059829057, lift=4.84395061728395)])

列表中的第一项是包含三项的列表本身。列表的第一项显示规则中的杂货项目。

例如，从第一项开始，我们可以看到淡奶油和鸡肉通常一起购买。这是有道理的，因为购买淡奶油的人对自己吃的东西很谨慎，因此他们更有可能购买鸡肉即白肉而不是红肉即牛肉。或这可能意味着淡奶油通常用于鸡肉食谱中。

第一条规则的支持值为0.0045。该数字是通过将含淡奶油的交易次数除以交易总数得出的。该规则的置信度为0.2905，这表明在所有包含轻奶油的交易中，29.05％的交易也包含鸡肉。最终，提升4.84告诉我们，与默认销售鸡肉的可能性相比，购买淡奶油的顾客购买鸡肉的可能性高4.84倍。

以下脚本以更清晰的方式显示每个规则的规则，支撑，置信度和提升：

如果执行上述脚本，您将看到apriori该类返回的所有规则。apriori该类返回的前四个规则如下所示：

Rule: light cream -> chicken Support: 0.004532728969470737 Confidence: 0.29059829059829057 Lift: 4.84395061728395 ===================================== Rule: mushroom cream sauce -> escalope Support: 0.005732568990801126 Confidence: 0.3006993006993007 Lift: 3.790832696715049 ===================================== Rule: escalope -> pasta Support: 0.005865884548726837 Confidence: 0.3728813559322034 Lift: 4.700811850163794 ===================================== Rule: ground beef -> herb & pepper Support: 0.015997866951073192 Confidence: 0.3234501347708895 Lift: 3.2919938411349285 =====================================

我们已经讨论了第一条规则。现在让我们讨论第二条规则。第二条规则指出，经常购买蘑菇奶油酱和无骨牛排。蘑菇奶油酱的支持量是0.0057。

结论

关联规则挖掘算法(例如Apriori)对于查找数据项之间的简单关联非常有用。它们易于实现并且具有很高的解释能力。