一下自己学习关联规则经典算法Apriori的笔记。

1、概述

Apriori算法是用一种称为逐层搜索的迭代方法，从项集长度k=1开始，选出频繁的k=1项集，根据先验性质：频繁项集的子集一定是频繁的（逆否命题：非频繁项集的超集一定是非频繁的，通俗的说就是某件事发生的概率很低，比这件事发生条件更严苛的事情发生的概率会更低），筛选k=2项集中的频繁项集，以此迭代k=3...。每迭代一次都要完整的扫描一次数据库。

2、关联规则三度：

支持度：占比

置信度：条件概率

提升度：相关性

3、R语言示例代码如下：（小众语言的辛酸：选项里没有。。）

[plain] view plain copy

library(arules)

#从rattle包中读入数据

dvdtrans <- read.csv(system.file(＂csv＂, ＂dvdtrans.csv＂,package=＂rattle＂))

str(dvdtrans)

#将数据转化为合适的格式

data <- as(split(dvdtrans$Item,dvdtrans$ID),＂transactions＂)

data

#用 apriori命令生成频繁项集，设其支持度为0.5，置信度为0.8

rules <- apriori(data, parameter=list(support=0.5,confidence=0.8,minlen = 2))

#用inspect命令查看提取规则

inspect(rules)

常用数据形式有data.frame格式和list格式，前者即A项集为一列B项集为另一列，后者为A和B放在同一个购物篮中。

去除冗余规则以及提取子规则代码如下：

[plain] view plain copy

redundant.rm <- function(rule,by=＂lift＂)

{

#rule：需要进行简化的规则

#by：在清除的时候根据那个变量来选择，

#可能取值为＂support＂,＂lift＂,＂confidence＂

a <- sort(rule,by=by)

m<- is.subset(a,a,proper=TRUE)

m[lower.tri(m, diag=TRUE)] <- NA

r <- colSums(m, na.rm=TRUE) >= 1

finall.rules <- a[!r]

return(finall.rules)

}

rules <- redundant.rm(rules)

rules.sub <- subset(rules, subset = lhs %in% ＂筛选项集名称＂ & lift > 1)