Apriori算法及应用

• 关联规则：是形如A→B的蕴涵表达式，A 和B都是属于数据集集合I，并且A∩B为空。 • 支持度（support）：是数据集中包含 A∪B（即A和B二者）的百分比。 • 置信度（confidence）：是数据集中包含A 事务同时包含B事务的百分比。
Support(A→B)=support_count(A∪B)/N Confidence(A→B)=support_count(A∪B)/ support_count(A)
关联规则挖掘算法可分为两个步骤：
⑴产生频繁项集：发现满足最小支持度阈值 的所有项集，即频繁项集。
⑵产生规则：从上一步发现的频繁项集中提 取大于置信度阈值的规则，即强规则。
Apriori算法
基于Apriori算法的单维布尔数据流 程图
Apriori算法应用(1)
问题的形式化描述： 设：I={i1,i2…im}是全部项的集合； 数据集D是事务的集合，包含N个事务； D中每个事务T是项的集合，使得T包含于 I； 每个事务有一个标识符，称为TID。
Apriori算法应用(2)
政务问答数据集D
Apriori算法应用(3)
频繁项集的发现过程
Apriori算法应用(4)
关联规则的生成
Apriori算法应用（5）
• • • • • 商业领域 网络安全领域 学生管理系统 移动通信领域 ……
Apriori算法及应用
关联分析ຫໍສະໝຸດ Baidu的一些基本概念
• 项集(itemset)：包含0个或多个项的集合 • K-项集：一个包含K个数据项的项集 • 支持度计数(support count)：一个项集的 出现次数就是整个数据集中包含该项集的 事务数。（支持度） • 频繁项集：若一个项集的支持度大于等于 某个阈值