【Python机器学习专栏】关联规则学习:Apriori算法详解

简介: 【4月更文挑战第30天】Apriori算法是一种用于关联规则学习的经典算法,尤其适用于购物篮分析,以发现商品间的购买关联。该算法基于支持度和置信度指标,通过迭代生成频繁项集并提取满足阈值的规则。Python中可借助mlxtend库实现Apriori,例如处理购物篮数据,设置支持度和置信度阈值,找出相关规则。

在数据分析和数据挖掘中,关联规则学习是一种非常重要的技术,它旨在从大型数据集中发现变量之间的关系。关联规则学习的最典型应用场景就是“购物篮分析”,通过了解哪些商品经常一起被购买,零售商可以制定更有效的销售策略。Apriori算法是关联规则学习中最常用的一种算法,本文将对Apriori算法进行详细的介绍,并通过Python实现该算法。

一、关联规则学习概述

关联规则学习是一种在大型数据集中寻找项集之间有趣关系的方法。一个关联规则可以表示为X -> Y,其中X和Y是不相交的项集,即X ∩ Y = ∅。关联规则学习的主要目标是找出支持度和置信度均满足一定阈值的强关联规则。

支持度(Support):表示项集{X, Y}在数据集中出现的频率,记作P(X, Y)。
置信度(Confidence):表示在出现项集X的条件下,项集Y也出现的概率,记作P(Y|X)。
二、Apriori算法原理

Apriori算法是一种基于候选项集生成和测试的关联规则学习算法。它利用了两个重要的性质来减少候选项集的数量:

如果一个项集是频繁的,则它的所有子集也一定是频繁的。
如果一个项集是非频繁的,则它的所有超集也一定是非频繁的。
基于这两个性质,Apriori算法通过迭代的方式生成候选项集,并计算每个候选项集的支持度,从而找出所有频繁的项集。在找到频繁的项集后,Apriori算法再从中提取出满足置信度阈值的关联规则。

三、Apriori算法步骤

数据准备:将数据集转换为适合Apriori算法处理的格式,通常是将数据集转换为布尔型矩阵,其中每一行代表一个事务,每一列代表一个项。

计算频繁1-项集:遍历数据集中的每一项,统计每项的出现次数,得到频繁1-项集列表L1。

迭代生成频繁k-项集(k > 1):

生成候选项集:根据L(k-1)和Apriori性质,生成候选k-项集列表Ck。
计算候选项集的支持度:遍历数据集中的每一个事务,统计Ck中每个候选项集的出现次数,从而计算支持度。
生成频繁k-项集:根据支持度阈值,从Ck中筛选出频繁的k-项集,形成列表Lk。
提取关联规则:从频繁项集中提取出满足置信度阈值的关联规则。

四、Python实现Apriori算法

在Python中,我们可以使用mlxtend库来实现Apriori算法。下面是一个简单的示例:

python
import pandas as pd
from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

示例数据集(购物篮数据)

dataset = [['牛奶', '面包', '黄油'],
['面包', '黄油', '尿布'],
['牛奶', '尿布', '啤酒', '鸡蛋'],
['面包', '牛奶', '尿布', '啤酒'],
['面包', '牛奶', '尿布', '鸡蛋'],
['面包', '黄油', '尿布', '啤酒'],
['面包', '黄油', '尿布', '可乐']]

将数据集转换为布尔型矩阵

def list_to_onehot(lst, vocabulary):
return [1 if word in lst else 0 for word in vocabulary]

合并所有事务形成词汇表

vocabulary = set([item for transaction in dataset for item in transaction])
transactions = [[list_to_onehot(transaction, vocabulary)] for transaction in dataset]

将布尔型矩阵转换为DataFrame

df = pd.DataFrame(transactions, columns=vocabulary)

计算频繁项集(设定支持度阈值为0.2)

frequent_itemsets = apriori(df, min_support=0.2, use_colnames=True)

提取关联规则(设定置信度阈值为0.7)

rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.7)

打印关联规则

print(rules[['antecedents', 'consequents', 'support', 'confidence']])
在上面的代码中,我们首先定义了一个示例数据集,然后将其转换为布尔型矩阵。接着,我们使用mlxtend库中的

相关文章
|
11天前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
28 1
|
7天前
|
机器学习/深度学习 监控 算法
Python数据分析与机器学习在金融风控中的应用
Python数据分析与机器学习在金融风控中的应用
34 12
|
3天前
|
机器学习/深度学习 算法 前端开发
集成学习(Ensemble Learning)是一种机器学习技术,它通过将多个学习器(或称为“基学习器”、“弱学习器”)的预测结果结合起来,以提高整体预测性能。
集成学习(Ensemble Learning)是一种机器学习技术,它通过将多个学习器(或称为“基学习器”、“弱学习器”)的预测结果结合起来,以提高整体预测性能。
7 1
|
8天前
|
机器学习/深度学习 数据采集 搜索推荐
Python数据分析与机器学习在电子商务推荐系统中的应用
Python数据分析与机器学习在电子商务推荐系统中的应用
25 5
|
8天前
|
机器学习/深度学习 算法 Python
【Python】已完美解决:机器学习填补数值型缺失值时报错)TypeError: init() got an unexpected keyword argument ‘axis’,
【Python】已完美解决:机器学习填补数值型缺失值时报错)TypeError: init() got an unexpected keyword argument ‘axis’,
13 1
|
11天前
|
机器学习/深度学习 算法 文件存储
使用Python实现深度学习模型:神经架构搜索与自动机器学习
【7月更文挑战第5天】 使用Python实现深度学习模型:神经架构搜索与自动机器学习
25 2
|
3天前
|
机器学习/深度学习 算法 Python
强化学习(Reinforcement Learning, RL)** 是一种机器学习技术,其中智能体(Agent)通过与环境(Environment)交互来学习如何执行决策以最大化累积奖励。
强化学习(Reinforcement Learning, RL)** 是一种机器学习技术,其中智能体(Agent)通过与环境(Environment)交互来学习如何执行决策以最大化累积奖励。
9 0
|
7天前
|
数据采集 机器学习/深度学习 算法
Python基于Apriori关联规则算法实现商品零售购物篮分析
Python基于Apriori关联规则算法实现商品零售购物篮分析
|
7天前
|
安全 Python
告别低效编程!Python线程与进程并发技术详解,让你的代码飞起来!
【7月更文挑战第9天】Python并发编程提升效率:**理解并发与并行,线程借助`threading`模块处理IO密集型任务,受限于GIL;进程用`multiprocessing`实现并行,绕过GIL限制。示例展示线程和进程创建及同步。选择合适模型,注意线程安全,利用多核,优化性能,实现高效并发编程。
22 3
|
9天前
|
开发者 Python
Python元类实战:打造你的专属编程魔法,让代码随心所欲变化
【7月更文挑战第7天】Python的元类是编程的变形师,用于创建类的“类”,赋予代码在构建时的变形能力。
32 1