关联规则学习 在机器学习中用于发现变量之间的有趣关系。
Apriori算法是一种流行的关联规则挖掘和频繁项集提取算法，在关联规则学习中有应用。
它旨在对包含交易的数据库进行操作，例如商店客户的购买（购物篮分析）。除了购物篮分析之外，该算法还可以应用于其他问题。
什么是频繁项集
频繁项集是数据集中出现频率较高的项集。频繁项集挖掘的目的是发现一组交易中共同出现的有趣项目组合。
频繁项集挖掘基础知识
三个概念：市场、篮子、商品。
需要满足的假设条件：
a. 商品和篮子之间是多对多的关系。
b. 不考虑商品的数量。
c. 某件商品可能不出现在任何一个篮子里，但是任何篮子都包含至少一件商品。
d. 篮子中商品的顺序无关紧要。
有两个项目的项集称为2-项集或配对，有3个项目的项集称为3-项集(或者三元组)，以此类推。
迈向关联规则
支持度
支持度表示项集出现的频率。最小支持阈值决定了频繁项集的评判标准。
2-项集的支持度通常用概率表示：
support(X->Y) = P(XuY)
置信度
confidence(X->Y) = P(X|Y) = support(XuY) / support(X)
关联规则
从支持度和置信度，可以建立频繁项集中项目之间的关联规则。例如：香草威化->香蕉，奶油。[支持度=1%， 置信度=40%]。规则可以读作：在所有篮子中，有1%包含香草威化、香蕉和生奶油的组合；在购买香草威化的客户中，有40%同时购买了香蕉和生奶油。
规则左侧是先导，右侧是后继。
包含数据的示例
附加值——修复计划中的漏洞
避免有些商品自身的表现好于作为关联规则后继时的表现。通过附加值考虑其关联的合理性。
附加值 = 规则置信度 – 右侧的支持度
如果附加值是大的正数，那么规则是好的、有用的。如果附加值接近于0，则这条规则可能是正确的，但是没太大用处。如果附加值是大的负数，那么规则中的商品实际上是负相关的，这时单独使用表现会更好。
寻找频繁项集的方法
快速寻找频繁项集的一条重要原则：向上闭包属性。向上闭包指的是，只有在项集的所有项目都频繁出现时，该项集才是频繁项集。
Apriori算法：
a. 设置一个支持阈值
b. 构建一个1-项集列表，根据支持度得到SingletonList列表
c. 从SingletonList中选择项集构建DoubletonList
d. 从DoubletonList中选择项集构建TripletionList。
e. 重复d步，从前面构建的列表中的单项生成n-项集，直到频繁集用完。
例如，在网络用户导航领域，我们可以搜索诸如访问过网页A和网页B的客户也访问过网页C的规则。
Python sklearn 库没有 Apriori 算法，其中 Python 库 MLxtend 用于市场篮子分析。在这篇文章中，我将分享如何使用Python 获取关联规则和绘制图表，为数据挖掘中的关联规则创建数据可视化 。首先我们需要得到关联规则。
从数组数据中获取关联规则
要获取关联规则，您可以运行以下代码
import pandas as pd oary = ott(daset).trafrm(dtset) df = pd(oh_ry, column=oht.cns) print (df)
frequent = apror(df, mn_upprt=0.6, useclaes=True) print (frequent )
数据挖掘中的置信度和支持度
为了选择有趣的规则，我们可以使用最知名的约束，即置信度和支持度的最小阈值 。
支持度是指项目集在数据集中出现的频率。
置信度表示规则被发现为真的频率。
suprt=rules(\['suport'\]) cofidece=rules(\['confience'\])
关联规则——散点图
建立散点图的python代码。由于这里有几个点有相同的值，我添加了小的随机值来显示所有的点。
for i in range (len(supprt)): suport\[i\] = suport\[i\] + 0.00 * (ranom.radint(,10)- 5) confidence\[i\] = confidence\[i\] + 0.0025 * (rao.rant(1,10) - 5) plt.show()
以下是支持度和置信度的散点图：
如何为数据挖掘中的关联规则创建数据可视化
为了将关联规则表示为图。这是关联规则示例：（豆，洋葱）==>（鸡蛋）
随时关注您喜欢的主题
下面的有向图是为此规则构建的，如下所示。具有 R0 的节点标识一个规则，并且它总是具有传入和传出边。传入边将代表规则前项，箭头在节点旁边。
下面是一个从实例数据集中提取的所有规则的图形例子。
这是构建关联规则的源代码。
import networkx as nx
G1 = nx.iGaph()
colr_ap=\[\]
N = 50
colors = np.randm.rndN)
for i in range (rue\_o\_w):
G1.a\_od\_from(\["R"+st(i)\])
for a in rsloc\[i\]\['anedts'\]:
G1.dnoesrom(\[a\])
G1.adedg(a, "R"+str(i))
for c in ruleioc\[i\]\[''\]:
G1.addnodsom()
G1.adddge"R"str(i), c, colo=\[i\], weht=2)
for noe in G1:
fod_astring = alse
for iem in sts:
if nde==itm:
found\_a\_ring = True
if fond_sting:
cor_mp.apend('ellw')
else:
cor_mapapped('green')
plt.show()
在线零售数据集的数据可视化
为了对可视化进行真实感受和测试，我们可以采用可用的在线零售商店数据集并应用关联规则图的代码。
以下是支持度和置信度的散点图结果。这次使用seaborn库来构建散点图。下面是零售数据集关联规则（前 10 条规则）的可视化。
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
【专题】2024中国零售业发展报告-拥抱“性价比时代”报告合集PDF分享（附原数据表）
R语言拟合线性混合效应模型、固定效应、随机效应参数估计可视化生物生长、发育、繁殖影响因素
SPSS modeler关联规则、卡方模型探索北京平谷大桃产业发展与电商化研究
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
