日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程语言 > python >内容正文

python

Apriori算法介绍(Python实现)

發(fā)布時間:2025/6/17 python 45 豆豆
生活随笔 收集整理的這篇文章主要介紹了 Apriori算法介绍(Python实现) 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

導讀

隨著大數(shù)據(jù)概念的火熱,啤酒與尿布的故事廣為人知。我們?nèi)绾伟l(fā)現(xiàn)買啤酒的人往往也會買尿布這一規(guī)律?數(shù)據(jù)挖掘中的用于挖掘頻繁項集和關聯(lián)規(guī)則的Apriori算法可以告訴我們。本文首先對Apriori算法進行簡介,而后進一步介紹相關的基本概念,之后詳細的介紹Apriori算法的具體策略和步驟,最后給出Python實現(xiàn)代碼。

Github代碼地址:https://github.com/llhthinker/MachineLearningLab/tree/master/Frequent%20Itemset%20Mining

1.Apriori算法簡介

Apriori算法是經(jīng)典的挖掘頻繁項集和關聯(lián)規(guī)則的數(shù)據(jù)挖掘算法。A priori在拉丁語中指"來自以前"。當定義問題時,通常會使用先驗知識或者假設,這被稱作"一個先驗"(a priori)。Apriori算法的名字正是基于這樣的事實:算法使用頻繁項集性質(zhì)的先驗性質(zhì),即頻繁項集的所有非空子集也一定是頻繁的。Apriori算法使用一種稱為逐層搜索的迭代方法,其中k項集用于探索(k+1)項集。首先,通過掃描數(shù)據(jù)庫,累計每個項的計數(shù),并收集滿足最小支持度的項,找出頻繁1項集的集合。該集合記為L1。然后,使用L1找出頻繁2項集的集合L2,使用L2找出L3,如此下去,直到不能再找到頻繁k項集。每找出一個Lk需要一次數(shù)據(jù)庫的完整掃描。Apriori算法使用頻繁項集的先驗性質(zhì)來壓縮搜索空間。

2. 基本概念

  • 項與項集:設itemset={item1, item_2, …, item_m}是所有項的集合,其中,item_k(k=1,2,…,m)成為項。項的集合稱為項集(itemset),包含k個項的項集稱為k項集(k-itemset)。
  • 事務與事務集:一個事務T是一個項集,它是itemset的一個子集,每個事務均與一個唯一標識符Tid相聯(lián)系。不同的事務一起組成了事務集D,它構成了關聯(lián)規(guī)則發(fā)現(xiàn)的事務數(shù)據(jù)庫。
  • 關聯(lián)規(guī)則:關聯(lián)規(guī)則是形如A=>B的蘊涵式,其中A、B均為itemset的子集且均不為空集,而A交B為空。
  • 支持度(support):關聯(lián)規(guī)則的支持度定義如下:

    其中表示事務包含集合A和B的并(即包含A和B中的每個項)的概率。注意與P(A or B)區(qū)別,后者表示事務包含A或B的概率。

  • 置信度(confidence):關聯(lián)規(guī)則的置信度定義如下:

  • 項集的出現(xiàn)頻度(support count):包含項集的事務數(shù),簡稱為項集的頻度、支持度計數(shù)或計數(shù)。
  • 頻繁項集(frequent itemset):如果項集I的相對支持度滿足事先定義好的最小支持度閾值(即I的出現(xiàn)頻度大于相應的最小出現(xiàn)頻度(支持度計數(shù))閾值),則I是頻繁項集。
  • 強關聯(lián)規(guī)則:滿足最小支持度和最小置信度的關聯(lián)規(guī)則,即待挖掘的關聯(lián)規(guī)則。

3. 實現(xiàn)步驟

一般而言,關聯(lián)規(guī)則的挖掘是一個兩步的過程:

  • 找出所有的頻繁項集
  • 由頻繁項集產(chǎn)生強關聯(lián)規(guī)則
  • 3.1挖掘頻繁項集

    3.1.1 相關定義

    • 連接步驟:頻繁(k-1)項集Lk-1的自身連接產(chǎn)生候選k項集Ck

    ????Apriori算法假定項集中的項按照字典序排序。如果Lk-1中某兩個的元素(項集)itemset1和itemset2的前(k-2)個項是相同的,則稱itemset1和itemset2是可連接的。所以itemset1與itemset2連接產(chǎn)生的結果項集是{itemset1[1], itemset1[2], …, itemset1[k-1], itemset2[k-1]}。連接步驟包含在下文代碼中的create_Ck函數(shù)中。

    • 剪枝策略

    由于存在先驗性質(zhì):任何非頻繁的(k-1)項集都不是頻繁k項集的子集。因此,如果一個候選k項集Ck的(k-1)項子集不在Lk-1中,則該候選也不可能是頻繁的,從而可以從Ck中刪除,獲得壓縮后的Ck。下文代碼中的is_apriori函數(shù)用于判斷是否滿足先驗性質(zhì),create_Ck函數(shù)中包含剪枝步驟,即若不滿足先驗性質(zhì),剪枝。

    • 刪除策略

    基于壓縮后的Ck,掃描所有事務,對Ck中的每個項進行計數(shù),然后刪除不滿足最小支持度的項,從而獲得頻繁k項集。刪除策略包含在下文代碼中的generate_Lk_by_Ck函數(shù)中。

    3.1.2 步驟

  • 每個項都是候選1項集的集合C1的成員。算法掃描所有的事務,獲得每個項,生成C1(見下文代碼中的create_C1函數(shù))。然后對每個項進行計數(shù)。然后根據(jù)最小支持度從C1中刪除不滿足的項,從而獲得頻繁1項集L1。
  • 對L1的自身連接生成的集合執(zhí)行剪枝策略產(chǎn)生候選2項集的集合C2,然后,掃描所有事務,對C2中每個項進行計數(shù)。同樣的,根據(jù)最小支持度從C2中刪除不滿足的項,從而獲得頻繁2項集L2。
  • 對L2的自身連接生成的集合執(zhí)行剪枝策略產(chǎn)生候選3項集的集合C3,然后,掃描所有事務,對C3每個項進行計數(shù)。同樣的,根據(jù)最小支持度從C3中刪除不滿足的項,從而獲得頻繁3項集L3。
  • 以此類推,對Lk-1的自身連接生成的集合執(zhí)行剪枝策略產(chǎn)生候選k項集Ck,然后,掃描所有事務,對Ck中的每個項進行計數(shù)。然后根據(jù)最小支持度從Ck中刪除不滿足的項,從而獲得頻繁k項集。
  • 3.2 由頻繁項集產(chǎn)生關聯(lián)規(guī)則

    一旦找出了頻繁項集,就可以直接由它們產(chǎn)生強關聯(lián)規(guī)則。產(chǎn)生步驟如下:

    • 對于每個頻繁項集itemset,產(chǎn)生itemset的所有非空子集(這些非空子集一定是頻繁項集);
    • 對于itemset的每個非空子集s,如果,則輸出,其中min_conf是最小置信度閾值。

    4. 樣例以及Python實現(xiàn)代碼

    下圖是《數(shù)據(jù)挖掘:概念與技術》(第三版)中挖掘頻繁項集的樣例圖解。

    本文基于該樣例的數(shù)據(jù)編寫Python代碼實現(xiàn)Apriori算法。代碼需要注意如下兩點:

    • 由于Apriori算法假定項集中的項是按字典序排序的,而集合本身是無序的,所以我們在必要時需要進行set和list的轉(zhuǎn)換;
    • 由于要使用字典(support_data)記錄項集的支持度,需要用項集作為key,而可變集合無法作為字典的key,因此在合適時機應將項集轉(zhuǎn)為固定集合frozenset。
    """ # Python 2.7 # Filename: apriori.py # Author: llhthinker # Email: hangliu56[AT]gmail[DOT]com # Blog: http://www.cnblogs.com/llhthinker/p/6719779.html # Date: 2017-04-16 """def load_data_set():"""Load a sample data set (From Data Mining: Concepts and Techniques, 3th Edition)Returns: A data set: A list of transactions. Each transaction contains several items."""data_set = [['l1', 'l2', 'l5'], ['l2', 'l4'], ['l2', 'l3'],['l1', 'l2', 'l4'], ['l1', 'l3'], ['l2', 'l3'],['l1', 'l3'], ['l1', 'l2', 'l3', 'l5'], ['l1', 'l2', 'l3']]return data_setdef create_C1(data_set):"""Create frequent candidate 1-itemset C1 by scaning data set.Args:data_set: A list of transactions. Each transaction contains several items.Returns:C1: A set which contains all frequent candidate 1-itemsets"""C1 = set()for t in data_set:for item in t:item_set = frozenset([item])C1.add(item_set)return C1def is_apriori(Ck_item, Lksub1):"""Judge whether a frequent candidate k-itemset satisfy Apriori property.Args:Ck_item: a frequent candidate k-itemset in Ck which contains all frequentcandidate k-itemsets.Lksub1: Lk-1, a set which contains all frequent candidate (k-1)-itemsets.Returns:True: satisfying Apriori property.False: Not satisfying Apriori property."""for item in Ck_item:sub_Ck = Ck_item - frozenset([item])if sub_Ck not in Lksub1:return Falsereturn Truedef create_Ck(Lksub1, k):"""Create Ck, a set which contains all all frequent candidate k-itemsetsby Lk-1's own connection operation.Args:Lksub1: Lk-1, a set which contains all frequent candidate (k-1)-itemsets.k: the item number of a frequent itemset.Return:Ck: a set which contains all all frequent candidate k-itemsets."""Ck = set()len_Lksub1 = len(Lksub1)list_Lksub1 = list(Lksub1)for i in range(len_Lksub1):for j in range(1, len_Lksub1):l1 = list(list_Lksub1[i])l2 = list(list_Lksub1[j])l1.sort()l2.sort()if l1[0:k-2] == l2[0:k-2]:Ck_item = list_Lksub1[i] | list_Lksub1[j]# pruningif is_apriori(Ck_item, Lksub1):Ck.add(Ck_item)return Ckdef generate_Lk_by_Ck(data_set, Ck, min_support, support_data):"""Generate Lk by executing a delete policy from Ck.Args:data_set: A list of transactions. Each transaction contains several items.Ck: A set which contains all all frequent candidate k-itemsets.min_support: The minimum support.support_data: A dictionary. The key is frequent itemset and the value is support.Returns:Lk: A set which contains all all frequent k-itemsets."""Lk = set()item_count = {}for t in data_set:for item in Ck:if item.issubset(t):if item not in item_count:item_count[item] = 1else:item_count[item] += 1t_num = float(len(data_set))for item in item_count:if (item_count[item] / t_num) >= min_support:Lk.add(item)support_data[item] = item_count[item] / t_numreturn Lkdef generate_L(data_set, k, min_support):"""Generate all frequent itemsets.Args:data_set: A list of transactions. Each transaction contains several items.k: Maximum number of items for all frequent itemsets.min_support: The minimum support.Returns:L: The list of Lk.support_data: A dictionary. The key is frequent itemset and the value is support."""support_data = {}C1 = create_C1(data_set)L1 = generate_Lk_by_Ck(data_set, C1, min_support, support_data)Lksub1 = L1.copy()L = []L.append(Lksub1)for i in range(2, k+1):Ci = create_Ck(Lksub1, i)Li = generate_Lk_by_Ck(data_set, Ci, min_support, support_data)Lksub1 = Li.copy()L.append(Lksub1)return L, support_datadef generate_big_rules(L, support_data, min_conf):"""Generate big rules from frequent itemsets.Args:L: The list of Lk.support_data: A dictionary. The key is frequent itemset and the value is support.min_conf: Minimal confidence.Returns:big_rule_list: A list which contains all big rules. Each big rule is representedas a 3-tuple."""big_rule_list = []sub_set_list = []for i in range(0, len(L)):for freq_set in L[i]:for sub_set in sub_set_list:if sub_set.issubset(freq_set):conf = support_data[freq_set] / support_data[freq_set - sub_set]big_rule = (freq_set - sub_set, sub_set, conf)if conf >= min_conf and big_rule not in big_rule_list:# print freq_set-sub_set, " => ", sub_set, "conf: ", conf big_rule_list.append(big_rule)sub_set_list.append(freq_set)return big_rule_listif __name__ == "__main__":"""Test"""data_set = load_data_set()L, support_data = generate_L(data_set, k=3, min_support=0.2)big_rules_list = generate_big_rules(L, support_data, min_conf=0.7)for Lk in L:print "="*50print "frequent " + str(len(list(Lk)[0])) + "-itemsets\t\tsupport"print "="*50for freq_set in Lk:print freq_set, support_data[freq_set]printprint "Big Rules"for item in big_rules_list:print item[0], "=>", item[1], "conf: ", item[2]

    代碼運行結果截圖如下:

    ==============================

    參考:

    《數(shù)據(jù)挖掘:概念與技術》(第三版)

    《機器學習實戰(zhàn)》

    ?

    轉(zhuǎn)載于:https://www.cnblogs.com/llhthinker/p/6719779.html

    總結

    以上是生活随笔為你收集整理的Apriori算法介绍(Python实现)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

    如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。