Apriori算法

Question

我之前已经多次听说过Apriori算法，但从来没有时间或机会深入研究，有人能用简单的方法向我解释这个算法的工作原理吗？另外，一个基本的例子可以让我更容易理解。

Answer 1

请参阅Top 10 algorithms in data mining（免费访问）或The Top Ten Algorithms in Data Mining。后者给出了算法的详细描述，以及如何获得优化实现的细节。

Answer 2

Apriori算法

它是用于数据集中频繁模式挖掘的候选生成和测试方法。你必须要记住两件事。

Apriori修剪原则 - 如果任何项目集不经常，则不应生成/测试其超集。

Apriori Property - 只有当(k+1)-itemset个子集的所有子频繁出现时，给定(k+1)-itemset才是候选人k-itemset。

现在，这里是4步的apriori算法。

1. 最初，扫描数据库/数据集一次以获得频繁的1-itemset。
2. 从k+1个频繁项目集生成长度k 候选项目集。
3. 测试针对数据库/数据集的候选人。
4. 当不能生成频繁或候选集时终止。

解决的例子

假设有一个交易数据库如下，包含4个交易，包括交易ID和用它们购买的物品。假设最低支持度为min_sup为2。术语“支持”是指存在/包含某个项目集的交易数量。

交易数据库

tid  | items
-------------
10   | A,C,D
20   | B,C,E
30   | A,B,C,E
40   | B,E

现在，让我们通过DB的第一次扫描创建候选1-itemsets。它被简单地称为C_1的集合如下。

itemset | sup
-------------
  {A}   |  2
  {B}   |  3
  {C}   |  3
  {D}   |  1
  {E}   |  3

如果我们使用min_sup对此进行测试，我们会发现{D}不符合min_sup的{​​{1}}。因此，它不会包含在频繁的2中，我们只需将其称为1-itemset的集合，如下所示。

L_1

现在，让我们第二次扫描数据库，并生成候选itemset | sup ------------- {A} | 2 {B} | 3 {C} | 3 {E} | 3 ，我们只需将其称为2-itemsets的集合，如下所示。

C_2

如您所见，itemset | sup ------------- {A,B} | 1 {A,C} | 2 {A,E} | 1 {B,C} | 2 {B,E} | 3 {C,E} | 2 和{A,B}项集不符合{A,E}的{​​{1}}，因此它们不会包含在频繁的min_sup中，2

2-itemset

现在让我们对数据库进行第3次扫描，并获得候选人L_2，itemset | sup ------------- {A,C} | 2 {B,C} | 2 {B,E} | 3 {C,E} | 2 ，如下所示。

3-itemsets

您可以看到，C_3，itemset | sup ------------- {A,B,C} | 1 {A,B,E} | 1 {A,C,E} | 1 {B,C,E} | 2 和{A,B,C}不满足{A,B,E}的{​​{1}}。因此，它们不会包含在频繁的{A,C,E}，min_sup中，如下所示。

2

现在，最后，我们可以计算可以由itemset生成的关联/关联规则的3-itemset，L_3和itemset | sup ------------- {B,C,E} | 2 值{ {1}}如下。

support (supp)

Answer 3

好吧，我假设您已经阅读了维基百科条目，但您说“一个基本的例子会让我更容易理解”。维基百科就是这样，所以我假设你没有阅读它，并建议你这样做。

阅读wikipedia文章。

Answer 4

Apriori的最佳介绍可以从这本书下载：

http://www-users.cs.umn.edu/~kumar/dmbook/index.php

你可以免费下载第6章，非常清楚地解释Apriori。

此外，如果你想下载一个Java版本的Apriori和其他算法进行频繁的项目集挖掘，你可以查看我的网站：

http://www.philippe-fournier-viger.com/spmf/