文档介绍：Apriori算法:使用候选项集找频繁项集Apriori算法是一个最有影响挖掘布尔关联规则频繁项集算法。Apriori使用一个称作逐层搜索迭代方法,k-项集用于探索(k+1)-项集。首先,找出频繁1-项集集合。该集合记作L1。L1用于找频繁2-项集集合L2,而L2用于找L3,如此下去,直到不能找到频繁k-项集。找每个Lk需要一次数据库扫描。该算法利用了一个基础性质:一个频繁项目集任一子集肯定也是频繁项目集,一个非频繁项目集任一超集肯定也是非频繁项目集。Apriori算法:使用候选项集找频繁项集一个Apriori具体例子。。数据库中有9个事务,即|D|=9。Apriori假定事务中项按字典次序存放。。Apriori算法:使用候选项集找频繁项集“怎样将Apriori性质用于算法?”为了解这一点,我们必需看看怎样用Lk-1找Lk。下面两步过程由连接和剪枝组成。:为找Lk,经过Lk-1和自己连接产生候选k-项集集合。该候选项集集合记作Ck。:Ck是Lk超集;即,它组员能够是,也能够不是频繁,但全部频繁k-项集全部包含在Ck中。注意,Apriori算法使用逐层搜索技术,给定k-项集,我们只需要检验它们(k-1)-子集是否频繁。由频繁项集产生关联规则一旦由数据库D中事务找出频繁项集,由它们产生强关联规则是直接了当(强关联规则满足最小支持度和最小置信度)。对于置信度,能够用下式,其中条件概率用项集支持度计数表示。其中,support_count(A∪B)是包含项集A∪B事务数,support_count(A)是包含项集A事务数。依据该式,关联规则能够产生以下:()对于每个频繁项集l,产生l全部非空子集。()对于l每个非空子集s,假如,则输出规则“s=>(l-s)”。其中,min_conf是最小置信度阈值由频繁项集产生关联规则一旦由数据库D中事务找出频繁项集,由它们产生强关联规则是直接了当(强关联规则满足最小支持度和最小置信度)。对于置信度,能够用下式,其中条件概率用项集支持度计数表示。其中,support_count(A∪B)