Apriori 演算法-如何進行關聯規則挖掘
阿新 • • 發佈：2020-12-10
> **公號：碼農充電站pro**
> **主頁：**
在資料分析領域有一個經典的故事，叫做“尿布與啤酒”。
據說，在美國西部的一家連鎖超市發現，很多男人會在週四購買尿布和啤酒。這樣超市就可以將尿布與啤酒放在一起賣，便可以增加銷售量。
“尿布與啤酒”這個案例就屬於資料分析中的**關聯分析**，也就是分析資料集中的內在隱含關係。
關聯分析可以被用於發掘商品與商品之間的內在關聯關係，進而通過商品捆綁銷售或者相互推薦，來增加商品銷量。
> **關聯分析**除了可以用於零售行業外，還可以用於**網站流量分析**和**醫藥行業**等。
**Apriori 演算法**是一種發掘事物內在關聯關係的演算法，它可以加快關聯分析的速度，從而讓我們更有效的進行關聯分析。
### 1，關聯分析
**關聯分析**用於發掘大規模資料集中的內在關係。
關聯分析一般要分析資料集中的**頻繁項集**（frequent item sets）和**關聯規則**（association rules）：
- 頻繁項集：是資料集中**頻繁項**的集合，集合中可以有**一項或多項**物品。
- 關聯規則：暗示了兩種物品之間可能存在很強的內在關係。
假設，我們收集了一家商店的交易清單：
| 交易編號 | 購物清單 |
|:--|:--|
| 1 | 牛奶，麵包 |
| 2 | 牛奶，麵包，火腿 |
| 3 | 麵包，火腿，可樂 |
| 4 | 火腿，可樂，方便麵 |
| 5 | 麵包，火腿，可樂，方便麵 |
頻繁項集是一些經常出現在一起的物品集合。比如：`{牛奶，麵包}`，`{火腿，方便麵，可樂}`都是頻繁項集的例子。
>