Apriori法详解.docVIP

Apriori算法详解之【一、相关概念和核心步骤】 Apriori算法核心步骤 ??? 感谢红兰整理的PPT，简单易懂，现在将其中精彩之处整理，与大家分享。 一、Apriori算法简介：? Apriori算法是一种挖掘关联规则的频繁项集算法，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。 Apriori（先验的，推测的）算法应用广泛，可用于消费市场价格分析，猜测顾客的消费习惯；网络安全领域中的入侵检测技术；可用在用于高校管理中，根据挖掘规则可以有效地辅助学校管理部门有针对性的开展贫困助学工作；也可用在移动通信领域中，指导运营商的业务运营和辅助业务提供商的决策制定。 二、挖掘步骤： 1. 2.依据置信度产生关联规则（强度） 三、基本概念 对于A-B 支持度：P(A?B)，既有A又有B的概率 ②置信度： P(B|A)A发生的事件中同时发生B的概率?p(AB)/P(A)?????例如购物篮分析：牛奶??面包 例子：[3%，置信度：40%] 支持度3%3%顾客同时购买牛奶和面包 置信度40%40%也购买面包 ③如果事件Ak个元素，那么称这个事件A为k项集事件A满足最小支持度阈值的事件称为频繁k项集。 ④同时满足最小支持度阈值和最小置信度阈值的规则称为强规则 四、实现步骤 ????AprioriApriori使用一种称作逐层搜索的迭代方法，“K-1项集”用于搜索“K项集”。 首先，找出频繁“1L1。L1用于找频繁“2项集”的集合L2，而L2用于找L3。如此下去，直到不能找到“K项集”。找每个Lk都需要一次数据库扫描。 核心思想是：连接步和剪枝步。连接步是自连接，原则是保证前k-2，并按照字典顺序连接。剪枝步，是使任一频繁项集的所有非空子集也必须是频繁的。反之，如果某 个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，从而可以将其从CK 简单的讲，1发现频繁项集，过程为（12）计数（3）比较（4）产生频繁项集（5）连接、剪枝，产生候选项集???重复步骤（1~（5）直到不能发现更大的频集 2、产生关联规则，过程为:根据前面提到的置信度的定义，关联规则的产生如下： （1L，产生L的所有非空子集； （2L的每个非空子集S，如果 ????????????????P（L）/P（S）≧min_conf 则输出规则“SL-S” 注：L-SL中除去S子集的项集 一、Apriori算法伪代码实现： [plain]?view plaincopy 伪代码描述：?? ?//?找出频繁?1?项集?? ?????L1?=find_frequent_1-itemsets(D);??? ?????For(k=2;Lk-1?!=null;k++){?? //?产生候选，并剪枝?? ????????Ck?=apriori_gen(Lk-1?);??? //?扫描?D?进行候选计数?? ????????For?each?事务t??in?D{??? ????????????Ct?=subset(Ck,t);?//?得到?t?的子集?? ????????????For?each?候选?c?属于?Ct?? ????????????????c.count++;?? ????????}?? ????????//返回候选项集中不小于最小支持度的项集?? ????????Lk?={c?属于?Ck?|?c.count=min_sup}?? }?? Return?L=?所有的频繁集；?? 第一步：连接（join）?? Procedure?apriori_gen?(Lk-1?:frequent(k-1)-itemsets)?? ??????For?each?项集?l1?属于?Lk-1?? ?????????For?each?项集?l2?属于?Lk-1?? ????????????If(?(l1?[1]=l2?[1])(?l1?[2]=l2?[2])?……?(l1?[k-2]=l2?[k-2])(l1?[k-1]l2?[k-1])?)??? then{?? ????????????????????c?=?l1?连接?l2????//?连接步：产生候选?? ??????????????????//若k-1项集中已经存在子集c则进行剪枝?? ???????????????????if?has_infrequent_subset(c,?Lk-1?)?then?? ???????????????????????delete?c;?//?剪枝步：删除非频繁候选?? ???????????????????else?add?c?to?Ck;?? ???????????????????}?? ??????????Return?Ck;?? 第二步：剪枝（prune）??? ?Proced