资源描述：
《机器学习__Apriori算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、.word格式,机器学习--Apriori算法一、基本原理 手机微信关注公众号：datadw学习数据挖掘，研究大数据，关注你想了解的，分享你需要的。关联分析（associationanalysis）就是从大规模数据集中寻找物品间的隐含关系。这里的主要问题是，寻找物品的不同组合是一项十分耗时的任务，所需计算代价很高，蛮力搜索方法并不能解决这个问题，所以需要用更智能的方法在合理的时间内找到频繁项集。Apriori算法正是基于该原理得到的。 关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系分为两种形式：频繁项集和关
2、联规则。频繁项集（frequentitemsets）是经常出现在一起的物品的集合。其中频繁的概念可以用支持度来定义。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，保留满足最小支持度的项集。关联规则（associationrules）暗示两种物品之间可能存在很强的关系。关联的概念可用置信度或可信度来定义。 ,专业.专注..word格式,我们的目标是找到经常在一起购买的物品集合，通过使用集合的支持度来度量其出现的频率。一个集合的支持度是指有多少比例的交易记录包含该集合。假如有N种物品，那么这些物品就有2^
3、N-1种项集组合。即使只出售100种物品，它们之间的组合数对于现有的计算机也是吃不消的。为了降低这种复杂度，有人提出了Apriori算法。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。反过来，如果某一项集是非频繁集，那么它的所有超集（包含该集的集合）也是非频繁的。 二、算法流程 对数据集的每条交易记录transaction 对每个候选项集can： 检查一下can是否是transaction的子集： 如果是，则增加can的计数值 对每个候选项集： 如果其支持度不
4、低于最小值，则保留该项集 返回所有频繁项集列表 三、算法的特点 优点：易编码实现 缺点：在大规模数据集上可能较慢。 适用数据范围：数值型或标称型。 四、python代码实现 1、创建简单数据集##############################功能：创建一个简单的测试数据集,专业.专注..word格式,#说明：数字1、2、3、4、5代表物品1、、、物品5，#每个子集代表顾客的交易记录#输入变量：空#输出变量：数据集#############################defload_data_s
5、et(): return[[1,3,4],[2,3,5],[1,2,3,5],[2,5]] 2、创建大小为1的不重复项集###################################功能：构建一个大小为1的不重复候选项集#输入变量：测试数据集#输出变量：候选项集合#############################defcreate_c1(data_set): c1=[] fortransactionindata_set: #遍历数据集中所有的交易记录 foritemintransaction:
6、 #遍历每条记录的每一项 if[item]notinc1: #如果该物品没有在c1中 c1.append([item]) c1.sort(),专业.专注..word格式, #set和frozenset皆为无序唯一值序列。 #set和frozenset最本质的区别是前者是可变的、后者是不可变的。 #frozenset的不变性，可以作为字典的键值使用。 returnmap(frozenset,c1) 3、保留满足最小支持度的项集#####################
7、################功能：扫描候选集集合，把支持度大于最小支持度的元素留下来，#通过去掉小于支持度的元素，可以减少后面查找的工作量。#输入变量：数据集，候选项集列表，最小支持度#data_set,ck,min_support#输出变量：大于最小支持度的元素列表，包含支持度的字典#ret_list,support_data####################################defscan_d(data_set,ck,min_support): D=map(set,data_set) ss_cnt
8、={} fortidinD: #遍历数据集中所有交易 forcaninck: #遍历候选项集,专业.专注..word格式, #判断候选集中该集合是数据集中交易记录的子集 #set
