efficient_apriori工具包安装
本文使用的工具是efficient_apriori,导入会出现报错:No module named 'efficient_apriori',则需进行安装工具包
直接pip install efficient_apriori会出现超时的报错
需要借助镜像源,如下也会报错:
pip install efficient_apriori http://mirrors.aliyun.com/pypi/simple/
需要对镜像源进行调整,就可以成功,如下:
pip install efficient_apriori -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com pip
Apriori算法原理
在介绍Apriori算法之前,先简单了解一下关联规则:
Association Rules,或者是 Basket Analysis
解释了:如果一个消费者购买了产品A,那么他有多大几率会购买产品B?
故事:
啤酒和尿布:
沃尔玛在分析销售记录时,发现啤酒和尿布经常一起被购买,于是他们调整了货架,把两者放在一起,结果真的提升了啤酒的销量。
原因解释:爸爸在给宝宝买尿布的时候,会顺便给自己买点啤酒?
沃尔玛是最早通过大数据分析而受益的传统零售企业,对消费者购物行为进行跟踪和分析。
根据举例内容,理解支持度、置信度、提升度:
支持度:
是个百分比,指的是某个商品组合出现的次数与总次数之间的比例。支持度越高,代表这个组合出现的频率越大。
“牛奶”的支持度=4/5=0.8
“牛奶+面包”的支持度=3/5=0.6。
置信度:
是个条件概念
指的是当你购买了商品A,会有多大的概率购买商品B
置信度(牛奶→啤酒)=2/4=0.5
置信度(啤酒→牛奶)=2/3=0.67
提升度:
商品A的出现,对商品B的出现概率提升的程度
如果我们单纯看置信度(可乐→尿布)=1,也就是说可乐出现的时候,用户都会购买尿布,那么当用户购买可乐的时候,就需要推荐尿布么?
提升度:商品A的出现,对商品B的出现概率提升的程度
提升度(A→B)=置信度(A→B)/支持度(B)
提升度的三种可能:
提升度(A→B)>1:代表有提升;
提升度(A→B)=1:代表有没有提升,也没有下降;
提升度(A→B)<1:代表有下降。
Apriori算法原理
我们把上面案例中的商品用ID来代表,
牛奶、面包、尿布、可乐、啤酒、鸡蛋的商品ID分别设置为1-6
Apriori算法就是查找频繁项集(frequent itemset)的过程
频繁项集:支持度大于等于最小支持度(Min Support)阈值的项集。
非频繁项集:支持度小于最小支持度的项集
(1)
先计算K=1项的支持度
假设最小支持度=0.5,那么Item4和6不符合最小支持度的,不属于频繁项集
(2)
在这个基础上,我们将商品两两组合,得到k=2项的支持度
筛选掉小于最小值支持度的商品组合
(3)
将商品进行K=3项的商品组合,可以得到:
筛选掉小于最小值支持度的商品组合
得到K=3项的频繁项集{1,2,3},也就是{牛奶、面包、尿布}的组合
Apriori算法的流程:
Step1,K=1,计算K项集的支持度;
Step2,筛选掉小于最小支持度的项集;
Step3,如果项集为空,则对应K-1项集的结果为最终结果。
否则K=K+1,重复1-3步。
示例
from efficient_apriori import apriori
# 设置数据集
transactions = [('牛奶','面包','尿布'),
('可乐','面包', '尿布', '啤酒'),
('牛奶','尿布', '啤酒', '鸡蛋'),
('面包', '牛奶', '尿布', '啤酒'),
('面包', '牛奶', '尿布', '可乐')]
# 挖掘频繁项集和频繁规则
itemsets, rules = apriori(transactions, min_support=0.5, min_confidence=1)
print("频繁项集:", itemsets)
print("关联规则:", rules)