数据仓库与数据挖掘——Apriori算法

一、基本介绍

        Apriori算法是经典的挖掘频繁项目集和关联规则的数据挖掘算法。当定义问题时，通常会使用先验知识或者假设，这被称作"一个先验"。算法使用频繁项目集的先验性质，即频繁项目集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记为L1。然后，使用L1找出频繁2项集的集合L2，使用L2找出L3……如此下去，直到不能再找到频繁k项集。每找出一个Lk需要一次数据库的完整扫描。Apriori算法利用频繁项目集的先验性质来压缩搜索空间。

二、核心思想

项目空间集理论：

        定理1：若项目集X是频繁项目集，则它的所有非空子集都是频繁项目集。

        定理2：如项目集X是非频繁项目集，则它的所有超集都是非频繁项目集。

三、原理演示

        红色部分为不小于最小支持度的项，被添加到频繁项目集中；

        黄色部分为小于最小支持度的项，它及它的超集不会添加到频繁项目集中；

        蓝色部分为最大频繁项目集，本身是频繁项集，且其中任何一项的超集都是非频繁的。

四、算法流程图

五、关键源码展示

1、导入数据

2、数据预处理

3、生成候选/频繁项目集

4、关联规则生成