Apriori与FP-Growth：啤酒与尿布的故事

关联分析（无监督学习），目标是从大数据中找出那些经常一起出现的东西

项集（item set）：可以是单个的项，也可以是一系列的项目的集合

关联规则：根据频繁项集挖掘出的结果。例如{尿布}-》{啤酒}    规则的左侧称为先导，右侧称为后继

支持度：一个项集在数据中出现的比例

                支持度（尿布）=（尿布出现的次数）/（购物小票的数量）=0.9

置信度：在一条规则中，出现先导也出现后继的比例

                 置信度（尿布-》啤酒）=（支持度【尿布U啤酒】）/（支持度【尿布】）=8/9

提升度：衡量先导和后继的独立性

　　　　　　提升度（尿布-》啤酒）=(置信度（尿布-》啤酒）/（支持度【啤酒】)=10/9

【如果（尿布-》啤酒）的提升度等于1，这表示尿布和啤酒无关联；提升度大于1，这表示如果顾客购买了尿布，可能也会买啤酒；而提升度小于1则表示如果顾客购买了尿布，那么不太可能再购买啤酒】

确信度：对于一条规则，不发生先导而发生后继的概率与这条规则错误的概率比值

                确信度（尿布-》啤酒）=（1-支持度（啤酒））/（1-置信度（尿布-》啤酒））=9/5

关联挖掘的步骤：找出频繁项集、从频繁项集中提取规则

Apriori算法的核心：如果某个项集是频繁项集，那么它的全部子集也都是频繁项集

Apriori算法：使用排列组合的方式列举出所有可能的项集，每一次计算都需要重新读取整个数据集，从而计算本轮次的项集支持度

FP-Growth：首先使用数据生成一颗FP-Growth树，然后再根据这棵树来生成频繁项集。如下图所示

#记得安装包pip install efficient-apriori
from efficient_apriori import apriori

#设置数据集
data=[('尿布','啤酒','奶粉','洋葱'）,
('尿布','啤酒','奶粉','洋葱')，（'尿布','啤酒','苹果','洋葱'）,('尿布','啤酒','苹果')，（'尿布','啤酒','奶粉'），
（'尿布','啤酒','奶粉'）,('尿布','啤酒','苹果'),('尿布','奶粉','洋葱')，（'奶粉','洋葱'）]
#挖掘频繁项集和规则
itemsets,rules=apriori(data,min_support=0.4,min_confidence=1)
print(itemsets)