[Python] 关联规则算法 Apriori

Apriori

关联规则最常用也是最经典的挖掘频繁项集的算法，其核心思想是通过连接产生候选项及其支持度然后通过剪枝生成频繁项集。

关联规则的一般形式

（1）支持度
项集A、B同事发生的概率称为关联规则的支持度（相对支持度）P(AUB)。
（2）置信度
项集A发生，则项集B发生的概率为关联规则的置信度P(B|A)。

数据示例

已超市销售数据为例，提取关联规则的最大困难在于当存在很多商品时，可能的商品的组合的数目会达到一种令人望而却步的程度。Apriori算法实现了再大数据集上的可行的关联规则提取。

代码实现

#-*- coding: utf-8 -*-
#使用Apriori算法挖掘菜品订单关联规则
from __future__ import print_function
import pandas as pd

import sys  #导入sys模块
sys.path.append(r"C:\data_analysis\chapter5\chapter5\demo\code")  #导入自定义模块所在的目录
from my_apriori import * #导入自行编写的apriori函数

inputfile = '../data/menu_orders.xls'
outputfile = '../tmp/apriori_rules.xls' #结果文件
data = pd.read_excel(inputfile, header = None)

print(u'\n转换原始数据至0-1矩阵...')
ct = lambda x : pd.Series(1, index = x[pd.notnull(x)]) #转换0-1矩阵的过渡函数？
b = map(ct, data.as_matrix()) #用map方式执行
data = pd.DataFrame(list(b)).fillna(0) #实现矩阵转换，空值用0填充
print(u'\n转换完毕。')
del b #删除中间变量b，节省内存

support = 0.2 #最小支持度
confidence = 0.5 #最小置信度
ms = '---' #连接符，默认'--'，用来区分不同元素，如A--B。需要保证原始表格中不含有该字符

find_rule(data, support, confidence, ms).to_excel(outputfile) #保存结果，find_rule自定义的寻找关联规则的函数

关联规则输出结果