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:
Apriori算法案例《超市购物篮关联分析》_第1张图片

关联分析:

支持度>0.1的项集
1项集
Apriori算法案例《超市购物篮关联分析》_第2张图片

二项集
Apriori算法案例《超市购物篮关联分析》_第3张图片
在这里插入图片描述
三项集
Apriori算法案例《超市购物篮关联分析》_第4张图片
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。
Apriori算法案例《超市购物篮关联分析》_第5张图片
结论:蔬菜、冷冻食品和啤酒可以捆绑销售。

你可能感兴趣的:(算法,机器学习,大数据,java)