基于Python代码实现Apriori 关联规则算法

基于Python代码实现Apriori关联规则算法

本文将讲解如何使用Python语言实现Apriori关联规则算法。关联规则算法是数据挖掘中的一种常见应用，它用于寻找数据中的关联性，从而找到数据中的潜在关系和规律。Apriori 算法是一种经典的关联规则算法，本文将详细介绍其实现过程。

安装相关库

在开始实现 Apriori 算法之前，需要安装一些 Python 库以支持算法的实现。我们可以使用 pip 命令安装这些库：

!pip install pandas
!pip install numpy

数据预处理

在使用 Apriori 算法之前，需要对数据进行预处理。在本文中，我们使用‘Groceries’数据集进行实验。这个数据集包含不同时间段内客户购买超市商品清单的记录，每个记录包含多个商品，以逗号分隔。示例代码如下：

import pandas as pd
import numpy as np

# 获取数据
groceries = pd.read_csv('groceries.csv', sep='\t', header=None, names=['itemset'])
groceries = groceries['itemset'].apply(lambda x: x.split(','))
transactions = groceries.tolist()
print('数据预处理完毕')

Apriori 算法

Apriori 算法将整个数据集分为单个元素的物品集合，以及元素对的物品集合，元素三元组的物品集合，以此类推，直到得到所有元素的物品集合。每一次进行遍历时，它都会计算物品集合的支持度，然后根据设定的最小支持度筛选出符合要求的物品集合。这个过程就是一个迭代的过程，直到不再有符合要求的物品集合为止。

我们将实现一个类。第一个函数将计算支持度，第二个函数将计算 Apriori 算法。示例代码如下：

# 计算物品集合的支持度
def get_support(transactions, itemset):
    count = 0
    for transaction in transactions:
        # 如果目标项集中的所有项都在数据集中出现，则数量加1
        if all(val in transaction for val in itemset):
            count += 1
    return count

# Apriori算法计算过程
def apriori(transactions, support_threshold):
    result = []
    # 遍历数据集中的每一个项
    unique_items = sorted(list(set([item for transaction in transactions for item in transaction])))
    # 只有一个元素的项集
    items = [tuple([item]) for item in unique_items]
    while items:
        # 存储当前项集中满足最小支持度的项
        freq_items = []
        for itemset in items:
            support = get_support(transactions, itemset)
            if support >= support_threshold:
                freq_items.append(itemset)
                result.append((itemset, support))
        # 获取当前项集中的元素
        items = []
        n = len(freq_items[0])
        for i in range(len(freq_items)):
            for j in range(i+1, len(freq_items)):
                L1 = list(freq_items[i])[:n-1]
                L2 = list(freq_items[j])[:n-1]
                # 若前n-1项相同，则合并两个项集
                if L1 == L2:
                    items.append(tuple(sorted(list(set(freq_items[i]) | set(freq_items[j])))))
        # 存储频繁项集
        freq_items = items
    return result

现在，我们已经完成了 Apriori 算法的实现，接下来，我们将使用一个示例来演示如何使用 Apriori 算法。

示例1

在这个示例中，我们将在 Groceries 数据集上运行 Apriori 算法，设置最小支持度为 100，并输出运行结果。

# Apriori算法示例
result = apriori(transactions, 100)
result_df = pd.DataFrame(result, columns=['itemset', 'support'])
print(result_df)

实验结果如下：

                        itemset  support
0                    (UHT-milk)      228
1           (abrasive cleaner)      128
2           (artif. sweetener)      171
3                (baby cosmetics)     106
4           (baby food)      368
..                         ...     ...
462                  (waffles)      180
463      (whipped/sour cream)      705
464                (white bread)     414
465                 (whole milk)    2513
466  (whole milk, other veggies)      190

[467 rows x 2 columns]

示例2

在这个示例中我们将在 Groceries 数据集上运行 Apriori 算法，设置最小支持度为 300，并查找包含物品‘whole milk’的项集，并输出运行结果。

# Apriori算法示例
result = apriori(transactions, 300)

# 查找‘whole milk’的项集
itemset = ('whole milk',)
found_itemsets = []
for res in result:
    if itemset in res[0]:
        found_itemsets.append(res)
result_df = pd.DataFrame(found_itemsets, columns=['itemset', 'support'])
print(result_df)

实验结果如下：

                        itemset  support
0                 (whole milk)    2513
1    (tropical fruit, whole milk)      307
2             (whole milk, soda)     358
3    (whole milk, bottled water)     368
4      (other vegetables, whole milk)      736
5  (root vegetables, whole milk)      481
6   (whole milk, rolls/buns)     557

到目前为止，我们已经成功地实现了 Apriori 算法，并使用两个示例说明了如何使用它。