机器学习实战——第十一/十二章：关联规则挖掘Apriori算法和FP-growth算法

本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。

python：建议使用2.7

python常用函数库：NumPy、scikit-learn等

python集成环境：anaconda

毕业季，玩了20天。

Apriori缺点：只关心物品是否出现，不关心出现的次数。每次增加频繁项集的大小，Apriori算法都会重新扫描整个数据集。当数据集很大时，这会显 
著降低频繁项集发现的速度。FP-growth算法只需要对数据库进行两次遍历，能够显著加快发现繁项集的速度；这种算法虽然能更为高效地发现频繁项集，但不能用于发现关联规则。

使用时注意事项：

0、关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项 集或者关联规则。频繁项集（frequent item sets)是经常出现在一块的物品的集合，关联规则 ( association rules )暗示两种物品之间可能存在很强的关系。

1、支持度(support)针对项集而言：一个项集的支持度(support)被定义为数据集中包含该项集的记录所占的比例。可信度或置信度（ confidence)针对关联规则而言：可信度或置信度（ confidence)是针对一条诸如{尿布}——>{葡萄酒}的关联规则来定义的。这 条规则的可信度被定义为“ 支持度({尿布， 葡萄酒})/支持度({尿布})”。

2、一个原理：Apriori 原理是说如果某个项集是频繁的，那么它的所有子集也是频繁的。

3、一个原理：如果某条规则并不满足 最小可信度要求，那么该规则的所有子集也不会满足最小可信度要求。假设规则 
{0，1， 2 }——>{3}并不满足最小可信度要求，那么就知道任何左部为{0， 1， 2}子集的规则也不会满足最小可信度要求。可以利用关联规则的上述性质属性来减少需要测试的规则数目。

4、Apriori算法的两个输人参数分别是最小支持度和数 据集。该算法首先会生成所有单个物品的项集列表。接着扫描交易记录来查看哪些项集满足最小 
支持度要求，那些不满足最小支持度的集合会被去掉。然后，对剩下来的集合进行组合以生成包含两个元素的项集。接下来，再重新扫描交易记录，去掉不满足最小支持度的项集。该过程重复 进行直到所有项集都被去掉。

5、FP-growth算法参考之前的文章：http://blog.csdn.net/mmc2015/article/details/42553027