文章目錄

• 一、 Apriori 算法過程
• 二、 Apriori 算法示例

參考博客 :

• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 關聯規則簡介 | 數據集 與 事物 Transaction 概念 | 項 Item 概念 | 項集 Item Set | 頻繁項集 | 示例解析 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 關聯規則 | 數據項支持度 | 關聯規則支持度 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 置信度 | 置信度示例 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 頻繁項集 | 非頻繁項集 | 強關聯規則 | 弱關聯規則 | 發現關聯規則 )
• 【數據挖掘】關聯規則挖掘 Apriori 算法 ( 關聯規則性質 | 非頻繁項集超集性質 | 頻繁項集子集性質 | 項集與超集支持度性質 )

一、 Apriori 算法過程

---

原始數據集 $\mathrm{D}$ ,

$1$ 項集 ${\mathrm{C}}_1$ , $2$ 項集 ${\mathrm{C}}_2$ , $?$ , $\mathrm{k}$ 項集 ${\mathrm{C}}_{\mathrm{k}}$ , 這些項集都是候選項集 ,

根據 原始數據集 $\mathrm{D}$ , 創造 $1$ 項集 ${\mathrm{C}}_1$ , 然后對 ${\mathrm{C}}_1$ 執行 數據集掃描函數 , 找到其中的 頻繁 $1$ 項集 ${\mathrm{L}}_1$ ,

根據 頻繁 $1$ 項集 ${\mathrm{L}}_1$ , 創造 $2$ 項集 ${\mathrm{C}}_2$ , 然后對 ${\mathrm{C}}_2$ 執行 數據集掃描函數 , 找到其中的 頻繁 $2$ 項集 ${\mathrm{L}}_2$ ,

$$?$$

根據 頻繁 $\mathrm{k}?1$ 項集 ${\mathrm{L}}_{\mathrm{k}?1}$ , 創造 $\mathrm{k}$ 項集 ${\mathrm{C}}_{\mathrm{k}}$ , 然后對 ${\mathrm{C}}_{\mathrm{k}}$ 執行 數據集掃描函數 , 找到其中的 頻繁 $\mathrm{k}$ 項集 ${\mathrm{L}}_{\mathrm{k}}$ ,

二、 Apriori 算法示例

---

事物編號事物 ( 商品 )

$001$	奶粉 , 萵苣
$002$	萵苣 , 尿布 , 啤酒 , 甜菜
$003$	奶粉 , 尿布 , 啤酒 , 橙汁
$004$	奶粉 , 萵苣 , 尿布 , 啤酒
$005$	奶粉 , 萵苣 , 尿布 , 橙汁

最小支持度閾值為 $\mathrm{m}\mathrm{i}\mathrm{n}\mathrm{s}\mathrm{u}\mathrm{p}=0.6$

根據 原始數據集 $\mathrm{D}$ , 創造 $1$ 項集 ${\mathrm{C}}_1$ , 然后對 ${\mathrm{C}}_1$ 執行 數據集掃描函數 , 找到其中的 頻繁 $1$ 項集 ${\mathrm{L}}_1$ ,

$1$ 項集 $\{奶粉\}$ 支持度 $0.8$
$1$ 項集 $\{萵苣\}$ 支持度 $0.8$
$1$ 項集 $\{尿布\}$ 支持度 $0.8$
$1$ 項集 $\{啤酒\}$ 支持度 $0.6$
$1$ 項集 $\{甜菜\}$ 支持度 $0.2$
$1$ 項集 $\{誠摯\}$ 支持度 $0.4$

$1$ 項集中只有 $\{奶粉\}$ , $\{萵苣\}$ , $\{尿布\}$ , $\{啤酒\}$ 是頻繁 $1$ 項集 ;

根據 頻繁 $1$ 項集 ${\mathrm{L}}_1$ , 創造 $2$ 項集 ${\mathrm{C}}_2$ , 然后對 ${\mathrm{C}}_2$ 執行 數據集掃描函數 , 找到其中的 頻繁 $2$ 項集 ${\mathrm{L}}_2$ ,

$2$ 項集 $\{奶粉,萵苣\}$ 支持度 $0.6$
$2$ 項集 $\{萵苣,尿布\}$ 支持度 $0.6$
$2$ 項集 $\{萵苣,啤酒\}$ 支持度 $0.4$
$2$ 項集 $\{尿布,啤酒\}$ 支持度 $0.8$
$2$ 項集 $\{奶粉,尿布\}$ 支持度 $0.6$
$2$ 項集 $\{奶粉,啤酒\}$ 支持度 $0.4$

$2$ 項集中只有 $\{奶粉,尿布\}$ , $\{尿布,啤酒\}$ , $\{萵苣,尿布\}$ , $\{奶粉,萵苣\}$ 是 頻繁 $2$ 項集 ;

根據 頻繁 $2$ 項集 ${\mathrm{L}}_1$ , 創造 $3$ 項集 ${\mathrm{C}}_3$ , 然后對 ${\mathrm{C}}_3$ 執行 數據集掃描函數 , 找到其中的 頻繁 $3$ 項集 ${\mathrm{L}}_3$ ,

$3$ 項集 $\{奶粉,萵苣,尿布\}$ 支持度 $0.4$
$3$ 項集 $\{奶粉,萵苣,啤酒\}$ 支持度 $0.2$
$3$ 項集 $\{萵苣,尿布,啤酒\}$ 支持度 $0.4$
$3$ 項集 $\{奶粉,尿布,啤酒\}$ 支持度 $0.4$

$3$ 項集中沒有頻繁項集 ;

總結

以上是生活随笔為你收集整理的【数据挖掘】关联规则挖掘 Apriori 算法 ( Apriori 算法过程 | Apriori 算法示例 )的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。