Apriori算法通常用于发现样本间的某种关系，比如超市购物中心，通常会根据用户的数据，发现买牛奶的人通常也会买西瓜这样的关系， 来安排把牛奶和西瓜捆绑在一起进行销售。
Apriori的核心思想：
1.发现样本中的频繁集
2.从频繁集中挖掘关联规则
频繁集： 就是样本中出现的次数多的集合（这个多是相对的，算法需要定义一个度来表示什么才是真正的频繁） x(i)/n
看下图：
上图可以看到， 比如我们有5个商品分别是A,B,C,D,E. 现在从样本中我们看到集合{A,C,D} {B,C,E} {A,B,C,E} {B,E}. 能够获取出单个商品的频繁度, A出现了2次， b出现了3次
c出现了3次等，之后我们假定频繁度要大于1才可以，这样我们就把D这个单独的集合给丢弃了，现在满足频繁度的就只剩下 ABCE了
PS：丢弃这个思想是怎么来得呢？ 可以这么考虑， A如果是一个集合{A} , 如果我认为A出现的频繁度很低，不予考虑的话， 那么{A,B}这样的集合出现的概率是比也是很低的，
那是不是更不需要考虑了呢。 这样带来的好处就是减少了很多的计算量。
随后在ABCE中继续筛选频繁度，看下图：
持续的对于频繁度的筛选，最终可以获取满足频繁度的所有可能的集合，之后就是根据这个频繁度的集合列表进行关联规则的生成
python实现：
import numpy as np def loadDataSet(): return [[1,3,4],[2,3,5],[1,2,3,5],[2,5]] def createC1(dataset): c1 = [] for transaction in dataset: for item in transaction: if not [item] in c1: c1.append([item]) c1.sort() return map(frozenset,c1) def scanD(D,Ck,minsupport): ssCnt = {} for tid in D: for can in Ck: if can.issubset(tid): if not ssCnt.has_key(can): ssCnt[can] = 1 else: ssCnt[can] += 1 numItems = float(len(D)) retList = [] supportData = {} for key in ssCnt: support = ssCnt[key]/numItems if support >= minsupport: retList.insert(0,key) supportData[key] = support return retList,supportData def aprioriGen(Lk,k): retList = [] lenLk = len(Lk) for i in range(lenLk): for j in range(i+1,lenLk): L1 = list(Lk[i])[:k-2] L2 = list(Lk[j])[:k-2] L1.sort() L2.sort() if L1 == L2: retList.append(Lk[i] | Lk[j]) return retList def apriori(dataset,minSupport = 0.5): c1 = createC1(dataset) D = map(set,dataset) L1, supportdata = scanD(D,c1,minSupport) L = [L1] k = 2 while (len(L[k-2]) > 0): ck = aprioriGen(L[k-2],k) Lk,supK = scanD(D,ck,minSupport) supportdata.update(supK) L.append(Lk) k += 1 return L,supportdata dataset = loadDataSet() ret,support = apriori(dataset) print support 怎么来获取隐含的关联规则呢？ 对于关联规则，我们也有量化方法，叫做可信度。
可信度： support(p|H) /support(p)
套用这个公式，就可以算出每个商品之前的关系了
比如： B --> E , sup(B,E)/sup(B) sup就是上面频繁度字典中的各个集合的值
BE-->C ，sup(b,e,c) / sup(b,e)
PS：注意，只能顺序关联，不能逆向关联，求出的可信度只能说明买了b的商品的人会买e 不能倒过来，倒过来的话要重新计算
当然我们也要和频繁度一样设定一个我们的可信度值，来丢弃那些我们认为没有太多关联的规则。
