关联分析
是无监督讯息算法中的一种，Apriori主要用来做_关联分析_，_关联分析_可以有两种形式：频繁项集或者关联规则。举个例子：交易订单
| 序号 | 商品名称 |
|---|---|
| 1 | 书籍，电脑 |
| 2 | 杯子，手机，手机壳，盘子 |
| 3 | 古筝，手机，手机壳，玻璃 |
| 4 | 手机，玻璃 |
| 5 | 电视，手机，手机壳 |
频繁项集：{ 古筝，手机，手机壳，玻璃}就是一个例子。
关联规则：手机->手机壳，买手机很大概率会买手机壳。
关联分析使用的思路
- 无论是频繁项集还是关联规则，都是需要看发生的频率，比如有手机就有手机壳的概率，如果这个比率超过了75%，那么符合。那么概率手机->手机壳=概率（{手机、手机壳}）/概率（{手机}）=
3/5 除以 4/5 = 0.75。
- 上面的只是其中一种组合，理论上要计算所有排列组合的概率，所以随着数据量的增大，计算量指数增长，而Apriori算法的思路就是如何减少计算量
Apriori的原理
命题：假设一个项集是非频繁的，那么该项集的包含者也是非频繁的。
TODO
优缺点和场景
- 优点：编码容易
- 缺点：大数据量时间可能会唱
- 试用：数值型 or 标称型数据
原文地址：https://www.cnblogs.com/xiaogangfan/p/9339129.html
时间： 2024-10-29 19:10:40