小故事：20世纪90年代，沃尔玛超市在对顾客的购物记录进行购物篮分析时，发现了一个奇怪的现象： “啤酒”和“尿布”两件看上去毫无关系的商品，经常出现在同一个购物篮中。通过关联分析，确实能发现事物之间一些令人意外的“关系”。依据这些“关系”，可以引导卖家调整营销策略，把关联程度较高的商品打包在一起，提高销量。或者针对买家已购买的产品，推荐与之相关的其他产品或信息，精准营销。

数据挖掘方法——关联分析（Apriori算法）

一、Apriori 算法可以做什么工作？二、Apriori 算法三、Python调用apriori()函数四、Apriori生成器说明五、练习

一、Apriori 算法可以做什么工作？

关联分析是一门分析技术，用于发现大量数据中，各组数据之间的联系。关联分析是探索数据之间联系的技术，而数据之间的联系，我们用关联规则来表示，表达式为：{X}→{Y}（X 和 Y 之间不存在相同项）。大多数的关联分析工作，主要任务就是生成频繁项集和关联规则，从而发现隐藏的关联关系。现实工作中的“项”（商品）成百上千，真实的“事务”（交易）数以万计，确认频繁项集合关联规则，提高计算效率可以使用Apriori算法。

二、Apriori 算法

Apriori是用于挖掘出数据背后的关联规则的一种算法，它的流程可分为两步：（1）确定最小支持度和置信度；（2）找出所有频繁项集和强关联规则。

Apriori 的算法主要依赖两个性质：

（1）一个项集如若是频繁的，那它的非空子集也一定是频繁的。假如购买{薯条，奶茶}的概率都很高，那购买{薯条}或{奶茶}的概率肯定也很高。

（2）一个项集如若是非频繁的，那包含该项集的项集也一定是非频繁的。假设购买{薯条}的次数少，那购买{薯条，奶茶}的次数肯定也少。

在 Apriori 算法出现之前，要找出所有的频繁项集，就得先枚举所有的项集，计算它们的支持度，然后和最小支持度（0.2）进行对比，筛选出频繁项集。

三、Python调用apriori()函数

Python 调用 apriori()函数

apriori(transactions, min_support, min_confidence, min_lift)

transactions：事务集合，值可以是嵌套列表或者Series对象

min_support：最小支持度，默认0.1

min_confidence：最小置信度，默认0

min_lift：最小提升度，默认为0

# 导入 apyori 模块下的 apriori() 函数from apyori import apriori# 创建4条快餐交易数据orders = [['薯条', '可乐'], ['薯条', '可乐', '奶茶'], ['汉堡', '薯条', '可乐'], ['汉堡', '可乐']]# 创建变量 results，调用 apriori() 函数，传入 orders ，设置最小支持度为 0.2，最小置信度为 0.7results = apriori(orders, min_support = 0.2, min_confidence = 0.7)# 查看变量 resultsprint(results) # <generator>是一个生成器对象，它是一种用于节省空间的运算机制，可以通过循环遍历的形式对它里面的数据进行访问for result in results:print(result)

四、Apriori生成器说明

1.结果都包含在一个 RelationRecord()中，括号里面有很多很长的内容;

2.RelationRecord(items=frozenset({‘可乐’, ‘薯条’}), support=0.75, ordered_statistics=[OrderedStatistic(items_base=frozenset(), items_add=frozenset({‘可乐’, ‘薯条’}), confidence=0.75, lift=1.0), OrderedStatistic(items_base=frozenset({‘可乐’}), items_add=frozenset({‘薯条’}), confidence=0.75, lift=1.0), OrderedStatistic(items_base=frozenset({‘薯条’}), items_add=frozenset({‘可乐’}), confidence=1.0, lift=1.0)])

RelationRecord：关系记录

items:频繁项集

support:频繁项集支持度

ordered_statistics：统计列表，指频繁项集可生成的强关联规则（描述关联规则）

items_base：前件

items_add：后件

confidence：置信度

lift：提升度

3.强关联规则：OrderedStatistics

前件：{‘可乐’}

后件：项集{‘薯条’}的规则

置信度：0.75

提升度：1.0

五、练习

# 创建4条早餐店交易数据breakfast = [['豆浆', '油条', '麻球'], ['豆浆', '热干面', '面包'], ['豆浆', '肠粉', '油条'], ['咖啡', '面包'], ['豆浆', '油条']]results_bre = apriori(breakfast, min_support = 0.5) # results_brefor result in results_bre:# print(result)support = round(result.support, 3)for rule in result.ordered_statistics:head_set = list(rule.items_base)tail_set = list(rule.items_add)if head_set == []:continuerelated_catogory = str(head_set) + '→' + str(tail_set)confidence = round(rule.confidence, 3)lift = round(rule.lift, 3)print(related_catogory, support, confidence, lift)

未完待续

5月15日青海·西宁

如果觉得《轻松入门机器学习数据挖掘算法——关联分析（Apriori算法）》对你有帮助，请点赞、收藏，并留下你的观点哦！