1 Apriori 算 法 详 解 之 【 一 、 相 关 概 念 和 核 心 步 骤 】 Apriori 算 法 核 心 步 骤 感 谢 红 兰 整 理 的 PPT， 简 单 易 懂 ， 现 在 将 其 中 精 彩 之 处 整 理 ， 与 大 家 分 享 。 一 、 Apriori 算 法 简 介 ： Apriori 算 法 是 一 种 挖 掘 关 联 规 则 的 频 繁 项 集 算 法 ， 其 核 心 思 想 是 通 过 候选 集 生 成 和 情 节 的 向 下 封 闭 检 测 两 个 阶 段 来 挖 掘 频 繁 项 集 。 Apriori（ 先 验 的 ， 推 测 的 ） 算 法 应 用广 泛 ， 可 用 于 消 费 市 场 价 格 分 析 ， 猜 测 顾 客 的 消 费 习 惯 ； 网 络 安 全 领 域 中 的 入 侵 检 测 技 术 ； 可 用在 用 于 高 校 管 理 中 ， 根 据 挖 掘 规 则 可 以 有 效 地 辅 助 学 校 管 理 部 门 有 针 对 性的 开展贫困助 学 工作；也可 用 在 移动通 信领 域 中 ， 指导运营商的 业务运营和 辅 助 业务提供商的 决策制定。 二、 挖 掘 步 骤 ： 1.依据 支持度找出所有 频 繁 项 集 （ 频 度） 2.依据 置信度产生 关 联 规 则 （ 强度） 三、 基本概 念 对 于 A->B ①支持度： P(A ∩ B)， 既有 A 又有 B 的 概 率 ②置信度： P(B|A)， 在 A 发生 的 事件中 同时发生 B 的 概 率 p(AB)/P(A) 例如购物篮分 析 ： 牛奶 ⇒ 面包 例子： [支持度： 3%， 置信度： 40%] 2 支持度3%：意味着3%顾客同时购买牛奶和面包 置信度40%：意味着购买牛奶的顾客40%也购买面包 ③如果事件A 中包含k 个元素，那么称这个事件A 为k 项集事件A 满足最小支持度阈值的事件称为频繁k 项集。 ④同时满足最小支持度阈值和最小置信度阈值的规则称为强规则 四、实现步骤 Apriori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算法Apriori 使用一种称作逐层搜索的迭代方法，“K-1 项集”用于搜索“K 项集”。 首先，找出频繁“1 项集”的集合，该集合记作L1。L1 用于找频繁“2 项集”的集合 L2，而 L2用于找 L3。如此下去，直到不能找到“K 项集”。找每个Lk 都需要一次数据库扫描。 核心思想是：连接步和剪枝步。连接步是自连接，原则是保证前 k-2...
