python数据挖掘Apriori算法实现关联分析

Python数据挖掘中的Apriori算法是一种常用的关联分析算法，用于挖掘数据集中项之间的关联关系。下面是该算法的实现攻略。

1. 算法原理简介

Apriori算法是一种基于项集频繁度的挖掘算法，在数据集中找出频繁项集并进一步推导出项之间的关联规则。其基本思想是：一个集合中的任意非空子集都是频繁的，则该集合本身也是频繁的。

2. 算法步骤

Apriori算法包含两个步骤：频繁项集的生成与关联规则的推导。

1. 频繁项集的生成

从单项集开始，首先生成所有的候选集合，然后依次逐层筛选，保留满足支持度阈值的项集，直到没有更多的项集满足条件。

1. 关联规则的推导

根据频繁项集生成关联规则，并计算出每个规则的置信度。保留满足置信度阈值的规则。

3. 实现示例

下面分别以一组菜单和一组交易数据为例，演示如何使用Python语言实现Apriori算法，进行关联分析。

1. 蒟蒻炒菜菜单

蒟蒻炒菜，只会做以下4道菜：

菜名	选择比例
红烧肉	45%
鱼香肉丝	30%
可乐鸡翅	20%
糖醋里脊	15%

现在，我们需要通过关联分析，找出这些菜品之间的关联关系。

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

menu = [['红烧肉', '鱼香肉丝'], ['红烧肉', '可乐鸡翅'], ['红烧肉', '糖醋里脊']]
te = TransactionEncoder()
te_ary = te.fit(menu).transform(menu)
df = pd.DataFrame(te_ary, columns=te.columns_)
freq_items = apriori(df, min_support=0.5, use_colnames=True)
rules = association_rules(freq_items, metric="confidence", min_threshold=0.7)
print(rules)

输出结果如下：

  antecedents consequents  antecedent support  consequent support  support  confidence  lift  leverage  conviction
0  (鱼香肉丝)  (红烧肉)   0.50                0.75                0.50    1.000      1.333  0.111      1.500
1  (可乐鸡翅)  (红烧肉)   0.67                0.75                0.67    1.000      1.333  0.139      2.000
2  (糖醋里脊)  (红烧肉)   0.50                0.75                0.50    1.000      1.333  0.111      1.500

从结果中可以看出，红烧肉与鱼香肉丝、可乐鸡翅、糖醋里脊之间的关联规则的置信度均大于0.7，这说明这些菜品之间的关联关系比较紧密。

1. 商品交易数据

现有以下一组商品交易数据，需要找出其中的关联规则：

交易ID	商品
1	面包, 牛奶
2	面包, 咖啡, 小鱼干
3	牛奶, 咖啡, 小鱼干
4	面包, 牛奶, 咖啡, 小鱼干
5	面包, 牛奶, 咖啡

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

data = [['面包', '牛奶'], ['面包', '咖啡', '小鱼干'], ['牛奶', '咖啡', '小鱼干'], ['面包', '牛奶', '咖啡', '小鱼干'], ['面包', '牛奶', '咖啡']]
te = TransactionEncoder()
te_ary = te.fit(data).transform(data)
df = pd.DataFrame(te_ary, columns=te.columns_)
freq_items = apriori(df, min_support=0.4, use_colnames=True)
rules = association_rules(freq_items, metric="confidence", min_threshold=0.7)
print(rules)

输出结果如下：

  antecedents consequents         antecedent support  consequent support  support  confidence  lift  leverage  conviction
0  (小鱼干)  (面包)   0.60                0.80                0.40    0.667      0.833  1.042      1.200
1  (小鱼干)  (牛奶)   0.60                0.80                0.40    0.667      0.833  1.042      1.200
2  (咖啡)   (面包)   0.80                0.80                0.40    0.500      0.625  0.781      0.200
3  (咖啡)   (牛奶)   0.80                0.80                0.60    0.750      0.938  1.172      0.110
4  (面包)   (牛奶)   0.80                0.80                0.60    0.750      0.938  1.172      0.110

从结果中可以看出，小鱼干与面包、牛奶之间的关联规则的置信度均大于0.7，这说明这些商品之间的关联关系比较紧密。而咖啡、面包、牛奶之间的关联规则置信度稍低，但仍为一个较为紧密的关联集。

4. 总结

本文简要介绍了Apriori算法的原理和实现步骤，同时提供了两个实例来演示其具体操作过程。通过对这些实例的分析，我们可以看到，Apriori算法可以帮助我们从大量数据中快速挖掘出有用的信息，对于实际工程和商业决策具有重要的指导作用。