请点击此处给我们留言

地址:环亚平台商贸公司

电话:

联系人:环亚ag88总经理

当前位置:主页 > 产品案例 >

Python数据分析案例商品关联性挖掘(Apriori算法)

来源:http://www.ruitaipujian.com 责任编辑:环亚ag88 更新日期:2019-06-24 10:07 字体:
分享到:

  对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴趣的同学加微信:tstoutiao,邀请你进入数据爱好者交流群,数据爱好者们都在这儿。

  这是python数据分析案例系列的第三篇,关于Apriori算法及其Python实现。欢迎关注交流!

  看前面的基础知识可能会有些晦涩难懂,不过我觉得这些才是做分析的核心知识,不要把精力用在python炫技上。

  啤酒与尿布的故事广为人知。我们如何发现买啤酒的人往往也会买尿布这一规律?数据挖掘中的用于挖掘频繁项集和关联规则的Apriori算法可以告诉我们。本文首先对Apriori算法进行简介,而后进一步介绍相关的基本概念,之后详细的介绍Apriori算法的具体策略和步骤,最后给出Python实现代码。

  Apriori算法使用频繁项集性质的先验知识。Apriori算法使用一种称为逐层搜索的迭代方法,其中k项集用于探索(k+1)项集。首先,通过扫描数据库,累计每个项的计数,凯发国际!并收集满足最小支持度的项,找出频繁1项集的集合(记为L1)。然后,使用L1找出频繁2项集(记为L2),使用L2找到L3,某厂招工难 2天招了10人不到一天就跑光了!如此下去,直到不能再找到频繁k项集。找出每个Lk需要一次完整的扫描。

  事务与事务集:一个事务T是一个项集,它是itemset的一个子集,每个事务均与一个唯一标识符Tid相联系。不同的事务一起组成了事务集D,它构成了关联规则发现的事务数据库。

  关联规则:关联规则是形如A=B的蕴涵式,其中A、B均为itemset的子集且均不为空集,而A交B为空。

  表示事务包含集合A和B的并(即包含A和B中的每个项)的概率。注意与P(A or B)区别,后者表示事务包含A或B的概率。

  项集的出现频度(support count):包含项集的事务数,简称为项集的频度、支持度计数或计数。

  频繁项集(frequent itemset):如果项集I的相对支持度满足事先定义好的最小支持度阈值(即I的出现频度大于相应的最小出现频度(支持度计数)阈值),则I是频繁项集。

  每个项都是候选1项集的集合C1的成员。算法扫描所有的事务,获得每个项,生成C1(见下文代码中的create_C1函数)。然后对每个项进行计数。然后根据最小支持度从C1中删除不满足的项,从而获得频繁1项集L1。

  对L1的自身连接生成的集合执行剪枝策略产生候选2项集的集合C2,然后,扫描所有事务,对C2中每个项进行计数。同样的,根据最小支持度从C2中删除不满足的项,从而获得频繁2项集L2。

  对L2的自身连接生成的集合执行剪枝策略产生候选3项集的集合C3,然后,扫描所有事务,对C3每个项进行计数。同样的,根据最小支持度从C3中删除不满足的项,从而获得频繁3项集L3。

  以此类推,对Lk-1的自身连接生成的集合执行剪枝策略产生候选k项集Ck,然后,扫描所有事务,对Ck中的每个项进行计数。然后根据最小支持度从Ck中删除不满足的项,从而获得频繁k项集。

  对于每个频繁项集itemset,语音通知系统、高效实现自动批量语音通知。产生itemset的所有非空子集(这些非空子集一定是频繁项集);

  下面结合一个大家都很熟悉的零售商品的例子具体说明该算法。假设6位顾客在某一超级市场内一共购买了6种商品(实际数据当然比这要大得多)。这6位顾客记TI,T2,T3,T4,T5,T6,6种商品为:面包、牛奶、饼干、果酱、蜂蜜、麦片,分别记为:a,b,c,d,e,f可得到如图1所示的事务数据列表:

  设支持度阈值为3/10,为了便于用整数表示,我们乘以数据库事务就得到最小支持计数2。该试验数据生成频繁项集的过程如下图。

  本文基于上图样例的数据编写Python代码实现Apriori算法。代码需要注意如下两点:

  由于Apriori算法假定项集中的项是按字典序排序的,而集合本身是无序的,所以我们在必要时需要进行set和list的转换;

  由于要使用字典(support_data)记录项集的支持度,需要用项集作为key,而可变集合无法作为字典的key,因此在合适时机应将项集转为固定集合frozenset。

  总之,关联规则的目的就是求出哪些评价指标之间的联系是紧密的,进而推出它们之间的关系,然后将这些规则转换某个具体的决策方法,可以为决策提供重要的依据,和很好的建议。

  关于Apriori算法优化还有许多不明白的地方,有兴趣的可以后台留言交流

  天善学院svip包含Excel BI、Python爬虫案例、Python机器学习、Python数据科学家、大数据、数据分析报告、数据分析师体系、深度学习、R语言案例10套课程火爆报名中,欢迎大家关注