Python關聯分析之——Apriori演算法

使用Apriori演算法進行關聯分析 Apriori原理

如果某個項集是頻繁的，那麼它的所有子集也是頻繁的。即如果｛0，1｝是頻繁的，則｛0｝，｛1｝也是頻繁的。

這個原理直觀上並沒有什麼協助，但如果反過來看，就有用了。

如果某個項集是非頻繁的，那麼它的所有超集也是非頻繁的。即如果｛0｝也是非頻繁的，則包含｛0｝的所有超集如｛0，1｝也是非頻繁的。 重要定義

# 測試項集：    [['豆奶','萵苣'],     ['萵苣','尿布','葡萄酒','甜菜'],     ['豆奶','尿布','葡萄酒','橙汁'],     ['萵苣','豆奶','尿布','葡萄酒'],     ['萵苣','豆奶','尿布','橙汁']]

支援度（support）

一個項集的支援度，被定為為資料集中包含該項集的記錄所佔的比例，例如上面的測試資料，｛豆奶｝的支援度為4/5，而在5條記錄中，有3條包含｛豆奶，尿布｝，因此｛豆奶，尿布｝的支援度為3/5。支援度是針對項集來說的，因此可以定義一個最小支援度，而只保留滿足最小支援度的項集。 可信度或信賴度（confidence）

信賴度是針對一條諸如｛尿布｝→｛葡萄酒｝的關聯規則來定義的。這條規則的可信度被定義為“支援度(｛尿布，葡萄酒｝)/支援度({尿布})”。上例中，由於｛尿布，葡萄酒｝的支援度為3/5，｛尿布｝的支援度為4/5，所以“尿布→葡萄酒”的可信度為3/4=0.75。 python實現

安裝對應庫

開啟命令列視窗，輸入

pip install apyori

若失敗，可使用其他方法。

測試安裝：

from apyori import apriori

匯入成功，則安裝成功，否則失敗。

API

from apyori import aprioridata = [['豆奶','萵苣'],        ['萵苣','尿布','葡萄酒','甜菜'],        ['豆奶','尿布','葡萄酒','橙汁'],        ['萵苣','豆奶','尿布','葡萄酒'],        ['萵苣','豆奶','尿布','橙汁']]result = list(apriori(transactions=data)# apriori其他參數說明:min_support -- The minimum support of relations (float).最小支援度，可用來篩選項集min_confidence -- The minimum confidence of relations (float).最小可信度，可用來篩選項集min_lift -- The minimum lift of relations (float).未知max_length -- The maximum length of the relation (integer).未知

上面得到的result是一個列表，由於沒找到相關的文檔，下面是我所能理解的元素的屬性介紹。

result裡每一個項集的屬性介紹 items – 項集，frozenset對象，可迭代取出子集。 support – 支援度，float類型。 confidence – 信賴度或可信度， float類型。 ordered_statistics – 存在的關聯規則
可迭代，迭代後，其元素的屬性：
items_base – 關聯規則中的分母項集 confidence – 上面的分母規則所對應的關聯規則的可信度 結尾

好了，簡單的筆記就寫到這。雖然暫時沒找到這個庫對應的文檔，但可以通過pycharm預覽每個項集的屬性。雖然不能直接得出關聯規則排序，但不需要自己寫演算法來計算支援度，比自己寫計算過程好多了。 注意

Apriori演算法不適用於非重複項集數元素較多的案例，如果某商店的銷售商品種類是N，則其所有子集的個數為2^N - 1，其運算量之大，可想而知，建議分析的商品種類<10種。