📚 算法原理
什么是Apriori算法？
Apriori算法是一种经典的关联规则挖掘算法，用于从交易数据中发现频繁项集（经常一起出现的商品组合）。
核心思想
Apriori原理（先验原理）：
- 如果一个项集是频繁的，那么它的所有子集也一定是频繁的
- 如果一个项集是非频繁的，那么它的所有超集也一定是非频繁的
例子：如果 {面包, 牛奶} 不是频繁项集，那么 {面包, 牛奶, 鸡蛋} 也不可能是频繁项集。
算法步骤
步骤1：扫描数据库，找出所有1-项集的频繁项集
统计每个单独商品出现的次数，计算支持度
步骤2：根据最小支持度过滤
只保留支持度 ≥ 最小支持度的1-项集
步骤3：生成候选k-项集（k≥2）
将频繁(k-1)-项集进行连接，生成候选k-项集
步骤4：剪枝
删除候选k-项集中包含非频繁(k-1)-项集的项集
步骤5：扫描数据库，计算支持度
统计每个候选k-项集在数据库中的出现次数
步骤6：重复步骤2-5
直到无法生成更多的频繁项集为止
💼 使用场景
🛒 超市购物篮分析
发现"买了A商品的顾客，也经常买B商品"的规律，用于商品推荐和货架摆放优化
📱 电商推荐系统
分析用户购买行为，推荐相关商品，提高销售额
🏥 医疗诊断辅助
发现疾病与症状之间的关联关系，辅助医生诊断
🎓 教育数据分析
分析学生选课模式，优化课程安排
🎮 交互式演示
示例数据：超市购物记录
| 交易ID | 购买的商品 |
|---|
参数设置
0.3
0.6