Apriori算法案例《超市购物篮关联分析》

**

Apriori 算法关键概念

**
01 项集 ：在关联分析中，包括0个或多个项的集合被称为项集。如｛啤酒，尿布，牛奶，花生｝是一个4项集。
02支持度： 一个项集或者规则在所有事物中出现的频率，确定规则可以用于给定数据集的频繁程度。
03置信度： 确定Y在包含X的事物中出现的频繁程度。简单说，可信度就是指在出现了物品集X的事物T中，物品集Y也同时出现的概率有多大。
04期望置信度： 期望可信度描述了在没有任何条件的影响时，物品集B在所有事物中出现的概率有多大。
05提升度： 提示度是可信度与期望可信度的比值。反映了‘物品A的出现对物品B的出现概率发生了多大的变化’

---

注意：关联规则只能处理类别型数据。二分类的01变量数据。

---

案例《超市购物关联分析》

原始数据如下：

关联分析：

支持度>0.1的项集
1项集

二项集


三项集

支持度>0.1，置信度>0.5的项集
提升度大于2的项集有｛蔬菜、冷冻食品和啤酒｝。这三个样品对其他两种都有较大的提升作用。

结论：蔬菜、冷冻食品和啤酒可以捆绑销售。