共计 977 个字符，预计需要花费 3 分钟才能阅读完成。
概述
Apriori 算法是生成频繁集的一种算法。Apriori 原理有个重要假设，如果某个项集是频繁的，那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集，那么它所对应的超集就全都是非频繁项集。
实现
从大规模数据集中寻找物品间的隐含关系被称作关联关系，而寻找物品间的不同组合是一项十分耗时的工作，所需计算代价很高，对于包含 N 种物品的数据集共有 2 的 n 次方 - 1 种项集组合，蛮力搜索并不能解决这个问题。
Apriori 能解决这个问题，Apriori 算法是生成频繁集的一种算法。Apriori 原理有个重要假设，如果某个项集是频繁的，那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集，那么它所对应的超集就全都是非频繁项集。如果一个项集是非频繁项集，那么它所对应的超集就全都是非频繁项集，如何实现呢。
代码 (部分伪代码)：
#L 指的是数据集 len L[1] 表示的是 {x} L2 表示的是 {x，y} 类似这种数据集，先构建 L1 , 在构建 L2, 一次类推，通过 while 循环实现
#Apriori 的原理体现在 scan 方法会将不满足可信度的数据集删掉，保留满足的，这样如果一个项集是非频繁项集，那么它所对应的超集就全都是非频繁项集。
#代码实现参考自机器学习实战
while (len(L[k-2]) > 0):
Lk, supK = scanD(x,y,z)
supportData.update(supK)
L.append(Lk)
k += 1
return L, supportData
#minSupport 最小支持度
#Ck 候选数据集列表
def scan(D, Ck, minSupport):
ssCnt = {}
#增加字典对应计数器
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 = {}
#计算可信度，过滤不满足可信度的数据集
for key in ssCnt:
support = ssCnt[key]/numItems
if support >= minSupport:
retList.insert(0,key)
supportData[key] = support
return retList, supportData
