[TOC]

0. 结论

• Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据组合.便于超市提高效益.
• <u>(对离散数据进行操作,对连续数据操作没有意义)</u>

1. 算法起源

• 关联规则挖掘的算法，比如Apriori, PrefixSpan, CBA;
• 如何评价频繁项的指标?
  • 支持度 置信度 提升度

    • 支持度:x与y的关联出现的概率:

        ![Ylmcme](<https://raw.githubusercontent.com/errolyan/tuchuang/master/uPic/Ylmcme.png>)
      

    • 置信度体现了一个数据出现后，另一个数据出现的概率，或者说数据的条件概率

        ![WVlm6t](<https://raw.githubusercontent.com/errolyan/tuchuang/master/uPic/WVlm6t.png>)
      

    • 提升度表示含有Y的条件下，同时含有X的概率，与X总体发生的概率之比

        ![F9bSCF](<https://raw.githubusercontent.com/errolyan/tuchuang/master/uPic/F9bSCF.png>)
      

2. Apriori算法思想

• 核心思想:Apriori算法的目标是找到最大的K项频繁集

![uiqjiZ](<https://raw.githubusercontent.com/errolyan/tuchuang/master/uPic/uiqjiZ.png>)

2.1 算法综述

Aprior算法是一个非常经典的频繁项集的挖掘算法，很多算法都是基于Aprior算法而产生的，包括FP-Tree,GSP, CBA等。这些算法利用了Aprior算法的思想，但是对算法做了改进，数据挖掘效率更好一些，因此现在一般很少直接用Aprior算法来挖掘数据了，但是理解Aprior算法是理解其它Aprior类算法的前提，同时算法本身也不复杂.

2.2 示例

from apriori import apriori
from apriori import generateRules
import re

if __name__ == '__main__':
    myDat=[]

    with open("./data/xss-2000.txt") as f:
        for line in f:
            index=line.find("?")
            if index>0:
                line=line[index+1:len(line)]
                #print line
                tokens=re.split('\\\\=|&|\\\\?|\\\\%3e|\\\\%3c|\\\\%3E|\\\\%3C|\\\\%20|\\\\%22|<|>|\\\\\\\\n|\\\\(|\\\\)|\\\\'|\\\\"|;|:|,|\\\\%28|\\\\%29',line)
                #print "token:"
                #print tokens
                myDat.append(tokens)
        f.close()

    L, suppData = apriori(myDat, 0.15)
    rules = generateRules(L, suppData, minConf=0.6)
    print 'rules:\\\\n', rules