Apriori算法进行关联分析
设全集U = {a, b, c, d, e},其元素a,b, c, d, e称为项.
数据集:
D = [
{a, b},
{b, c, d},
{d, e},
{b, c, e},
{a,b, c, d}
]
项的集合如{a,b}称为项集(cell), 包含k个项的集合称为k项集.
数据集D中包含项集A的集合占所有元素集的比例称为A的支持度(support).如{a}的支持度为2/5.
若项集满足人为设定的最小支持度,则称为频繁集.
频繁集的任意子集一定是频繁集, 非频繁集的超集一定为非频繁集.
定义关联规则{a} -> {b}的可信度(confidence)为:support({a} U {b}) / support({a}).
关联分析的目的在于寻找频繁集以及关联规则。
寻找频繁集
非频繁集的超集一定为非频繁集,我们从空集开始根据包含关系构建一棵树:

根据数据集创建单项集:
def createUnit(dataSet): # create cell with one element
universe = []
for cell in dataSet:
for item in cell:
if not [item] in universe:
universe.append([item])
return map(frozenset, universe)
遍历每一个项集中的每一项,将项添加到全集中, 最后使用map由全集创建单项集.
使用frozenset而非set,是因为frozenset可以在dict中作为键, 而set不能.
从候选集中筛选频繁集:
def filterCandidates(dataSet, candidates, limit):
cellCount = {}
for cell in dataSet:
for candidate in candidates:
if candidate.issubset(cell):
if not candidate in cellCount:
cellCount[candidate] = 1
else:
cellCount[candidate] += 1
cellNum = len(dataSet)
selected = []
supports = {}
for cell in cellCount:
support = float(cellCount[cell]) / cellNum
if support >= limit:
selected.insert(0, cell)
supports[cell] = support
return selected, supports
该方法接受三个参数, 数据集dataSet, 候选集列表candidates, 和最小支持度limit.
遍历dataSet中的所有项集,统计各候选集超集的个数, 用于计算候选集的支持度.
过滤所有候选集, 返回支持度达到要求的项集(频繁集).
根据k-1项集创建所有k项集:
def createKCell(origins, k):
cells = []
originCount = len(origins)
for i in range(originCount):
for j in range(i + 1, originCount):
list1 = list(origins[i])[:k - 2]
list2 = list(origins[j])[:k - 2]
list1.sort()
list2.sort()
if list1 == list2: # if first k-2 elements are equal
cells.append(origins[i] | origins[j]) # set union
return cells
该方法接受两个参数,k-1项集列表origins和k. 通过并集运算建立k项集.
从单项集开始寻找频繁集:
def apriori(dataMat, limit=0.5):
units = createUnit(dataMat)
dataSet = map(set, dataMat)
origin, supports = filterCandidates(dataSet, units, limit)
candidates = [origin]
k = 2
while (len(candidates[k - 2]) > 0):
cellK = createKCell(candidates[k - 2], k)
cellK, supportK = filterCandidates(dataSet, cellK, limit)
supports.update(supportK)
candidates.append(cellK)
k += 1
return candidates, supports
寻找关联规则
频繁集之间存在着关联规则:

实现filterRules方法获得可信度满足要求的规则, 每条规则用三元组来描述:(A, B, confidence)代表规则A->B的可信度为confidence.
def filterRules(cells, consequences, supports, bigRuleList, limit=0.7):
prunedConsequences = []
for consequence in consequences:
confidence = supports[cells] / supports[cells - consequence]
if confidence >= limit:
rule = (cells - consequence, consequence, confidence)
bigRuleList.append(rule)
prunedConsequences.append(consequence)
return prunedConsequences
该方法接受5个参数:
cells:频繁集列表
consequences: 所有可放在规则右侧的元素组成的列表
supports: cells中各频繁集的支持度
bigRuleList: 已知规则的列表, 该方法会将满足要求的规则添加到该列表中
limit: 规则可信度的下限
该方法返回满足条件的规则的右侧元素组成的列表.
当规则右侧的元素的数目大于2时, 尝试对其进行合并:
def rulesFromConseq(cells, consequences, supports, bigRuleList, limit=0.7):
m = len(consequences[0])
if len(cells) > (m + 1): # try further merging
new_consequences = createKCell(consequences, m + 1)
new_consequences = filterRules(cells, new_consequences, supports, bigRuleList, limit)
if len(new_consequences) > 1: # need at least two sets to merge
rulesFromConseq(cells, new_consequences, supports, bigRuleList, limit)
该方法的参数与filterRules方法相同, 使用递归来实现.
利用上面两个工具函数来编写寻找关联规则的方法:
def generateRules(cells, supports, limit=0.7):
bigRuleList = []
for i in range(1, len(cells)):
for cell in cells[i]:
consequences = [frozenset([item]) for item in cell]
if i > 1:
rulesFromConseq(cell, consequences, supports, bigRuleList, limit)
else:
filterRules(cell, consequences, supports, bigRuleList, limit)
return bigRuleList
接受频繁集列表及其支持度作为参数, 遍历各频繁集根据给定的可信度范围寻找关联规则.
编写test方法进行测试:
def test():
dataSet = [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]
cells, supports = apriori(dataSet, 0.5)
# print(cells)
rules = generateRules(cells, supports)
print(rules)
# units = createUnit(dataSet)
# print(units)
# cells, supports = filterCandidates(dataSet, units, 0.5)
# print(cells, supports)
# cells = createKCell(selected, 2)
# print(cells)
顺便展示一下各函数的用法, 完整代码可以看这里
Apriori算法进行关联分析的更多相关文章
- 机器学习实战 - 读书笔记(11) - 使用Apriori算法进行关联分析
前言 最近在看Peter Harrington写的"机器学习实战",这是我的学习心得,这次是第11章 - 使用Apriori算法进行关联分析. 基本概念 关联分析(associat ...
- 【机器学习实战】第11章 使用 Apriori 算法进行关联分析
第 11 章 使用 Apriori 算法进行关联分析 关联分析 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(frequent item sets): 经常出 ...
- 机器学习实战(Machine Learning in Action)学习笔记————07.使用Apriori算法进行关联分析
机器学习实战(Machine Learning in Action)学习笔记————07.使用Apriori算法进行关联分析 关键字:Apriori.关联规则挖掘.频繁项集作者:米仓山下时间:2018 ...
- 机器学习——使用Apriori算法进行关联分析
从大规模的数据集中寻找隐含关系被称作为关联分析(association analysis)或者关联规则学习(association rule learning). Apriori算法 优点:易编码实现 ...
- 使用Apriori算法进行关联分析
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.频繁项集是指经常出现在一块的物品的集合,关联规则暗示两种物品之间可能存在很强的关系.一个项集的支持度被定 ...
- 第十一章:使用Apriori算法进行关联分析
- 使用Apriori算法和FP-growth算法进行关联分析
系列文章:<机器学习实战>学习笔记 最近看了<机器学习实战>中的第11章(使用Apriori算法进行关联分析)和第12章(使用FP-growth算法来高效发现频繁项集).正如章 ...
- 数据挖掘算法:关联分析二(Apriori)
二.Apriori算法 上文说到,大多数关联规则挖掘算法通常采用的策略是分解为两步: 频繁项集产生,其目标是发现满足具有最小支持度阈值的所有项集,称为频繁项集(frequent itemset). 规 ...
- 数据挖掘算法:关联分析二(FP-tree算法)
三.FP-tree算法 下面介绍一种使用了与Apriori完全不同的方法来发现频繁项集的算法FP-tree.FP-tree算法在过程中没有像Apriori一样产生候选集,而是采用了更为紧凑的数据结构组 ...
随机推荐
- FastReport报表设计
[转载]FastReport报表设计 (2012-10-24 20:37:26) 转载▼ 标签: 转载 原文地址:FastReport报表设计作者:小黑 FastReport报表设计 目录 5.1 ...
- 怎样SQL存储过程中执行动态SQL语句
MSSQL为我们提供了两种动态执行SQL语句的命令,分别是EXEC和sp_executesql;通常,sp_executesql则更具有优势,它提供了输入输出接口,而EXEC没有.还有一个最大的好处就 ...
- Android x86模拟器Intel Atom x86 System Image配置与使用方法
Android x86模拟器Intel Atom x86 System Image配置与使用方法 前言: 大家现在开发使用的Android 模拟器模拟的是 ARM 的体系结构(ar ...
- java 异步机制与同步机制的区别
所谓异步输入输出机制,是指在进行输入输出处理时,不必等到输入输出处理完毕才返回.所以异步的同义语是非阻塞(None Blocking). 网上有很多网友用很通俗的比喻 把同步和异步讲解的很透彻 转过 ...
- 查看指定spid的脚本当前运行情况和状态
USE MasterGO declare @spid int; select @spid = 419--null:all ; ;WITH DATA(spid,blockRelationship,blo ...
- 【转】dlgdata.cpp line 40 断言失败
原文网址:http://blog.csdn.net/onlyou930/article/details/6384075 在VS2010 运行一个C++ 程序,出现下图错误: 一看到这个,我头都大了.关 ...
- 关于WordCount的作业
一.开发者:201631062418 二.代码地址:https://gitee.com/YsuLIyan/WordCount 三.作业地址:https://edu.cnblogs.com/campus ...
- nginx-2.nginx是什么
Nginx是一款自由的.开源的.高性能的HTTP服务器和反向代理服务器:同时也是一个IMAP.POP3.SMTP代理服务器: Nginx可以作为一个HTTP服务器进行网站的发布处理,另外Nginx可以 ...
- 27_网络编程-初识socket
一.C/S B/S 架构 1.定义 (1)C/S结构,即Client/Server(客户机/服务器)结构,是大家熟知的软件系统体系结构,通过将任务合理分配到Cl ...
- PHP中正则表达式函数(Perl兼容)
PHP为使用Perl兼容的正则表达式搜索字符串提供了7个函数,分别是preg_grep().preg_match().preg_match_all().preg_quote().preg_replac ...