Apriori 算法详解

P(B|A)，在 A 发生的事件中同时发生 B 的概率?p(AB)/P(A)?????例如购物篮分析：牛奶???面包

例子：[支持度：3%，置信度：40%]

支持度 3%：意味着 3%顾客同时购买牛奶和面包

置信度 40%：意味着购买牛奶的顾客 40%也购买面包

③如果事件 A 中包含 k 个元素，那么称这个事件 A 为 k 项集事件 A 满足最小支持度阈值的事件称为频繁 k 项集。

④同时满足最小支持度阈值和最小置信度阈值的规则称为强规则

四、实现步骤

Apri 《一线大厂 Java 面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》无偿开源 威信搜索公众号【编程进阶路】 ori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算法 Apriori 使用一种称作逐层搜索的迭代方法，“K-1 项集”用于搜索“K 项集”。

首先，找出频繁“1 项集”的集合，该集合记作 L1。L1 用于找频繁“2 项集”的集合 L2，而 L2 用于找 L3。如此下去，直到不能找到“K 项集”。找每个 Lk 都需要一次数据库扫描。

核心思想是：连接步和剪枝步。连接步是自连接，原则是保证前 k-2 项相同，并按照字典顺序连接。剪枝步，是使任一频繁项集的所有非空子集也必须是频繁的。反之，如果某

个候选的非空子集不是频繁的，那么该候选肯定不是频繁的，从而可以将其从 CK 中删除。

简单的讲，1、发现频繁项集，过程为（1）扫描（2）计数（3）比较（4）产生频繁项集（5）连接、剪枝，产生候选项集???重复步骤（1）~（5）直到不能发现更大的频集

2、产生关联规则，过程为:根据前面提到的置信度的定义，关联规则的产生如下：

（1）对于每个频繁项集 L，产生 L 的所有非空子集；

（2）对于 L 的每个非空子集 S，如果

P（L）/P（S）≧min_conf