關聯(lián)分析(apriori & FP-tree)基于python

關聯(lián)分析是為了探索不同集合共同出現(xiàn)的頻率的一種方法,適用于分析名稱變量则剃,比如著名的啤酒尿布分析拢切。通過分析消費者購物清單,發(fā)現(xiàn)啤酒和尿布經(jīng)常出現(xiàn)在同一張清單上猎物。

apriori原理介紹

apriori是一種常見的關聯(lián)分析方法虎囚。它基于一個前提,就是頻繁集的子集一定是頻繁集蔫磨。這句話的倒過來講同樣成立淘讥,非頻繁集的母集一定也是非頻繁集,我們將這個命題稱之為頻繁集定理堤如。
尋找頻繁集涉及到兩個頻率蒲列,一個是集合在所有數(shù)據(jù)中出現(xiàn)的頻率,稱之為支持度搀罢。另一個是當集合A出現(xiàn)是蝗岖,集合B也同時出現(xiàn)的頻率,稱之為置信度榔至。

舉例:
image.png

可以想象剪侮,第一個集合是單個元素構成的,例如{a}洛退,{a}的支持度為4/5=0.8瓣俯,當a存在時,b的置信度是2/4=0.5兵怯。第二層可以再{a,b}的基礎上繼續(xù)計算支持度和相應的置信度彩匕。如果用這種方式逐個匹配,會發(fā)現(xiàn)計算比較大媒区。根據(jù)頻繁集定理驼仪,我們可以設置一個最小支持度掸犬,當集合支持度小于最小支持度,該集合的所有母集也肯定都小于最小支持度绪爸,這部分數(shù)據(jù)可以直接省略湾碎。例如當我們把最小支持度設為0.7時,第一層的集合就剩下{a}奠货。

apriori python實現(xiàn)

def loadDataSet():#新建數(shù)據(jù)集
    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):
                ssCnt[can] = ssCnt.get(can, 0) + 1
    #print(D)
    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):
            # 前k-2項相同時垄惧,將兩個集合合并
            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):##支持度計算
    C1 = list(createC1(dataSet))
    D = list(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

def generateRules(L, supportData, minConf=0.7):  
    bigRuleList = []  
    for i in range(1, len(L)):  # 不處理單元素集合L[0]  
        for freqSet in L[i]:  
            H1 = [frozenset([item]) for item in freqSet]  
            if (i > 1):  # 當集合中元素的長度大于2的時候魔策,嘗試對集合合并。  
# 比如:[2,3,5]=>{[2,3],5}  
                rulesFromConseq(freqSet, H1, supportData, bigRuleList, minConf)  
            else:  # 對于2元組,直接計算置信度  
                calConf(freqSet, H1, supportData, bigRuleList, minConf)  
    return bigRuleList  


def calConf(freqSet, H, supportData, brl, minConf=0.7):  #置信度計算
    prunedH = []  
    for conseq in H:  
        conf = supportData[freqSet] / supportData[freqSet - conseq]  # 置信度  
        if conf >= minConf:  
            print (freqSet - conseq,'supp',supportData[freqSet - conseq] , "--->", conseq, "conf", conf ) 
            brl.append((freqSet - conseq, conseq, conf))  
            prunedH.append(conseq)  
#         if (len(freqSet) > 2):  
#             conf = supportData[freqSet] / supportData[conseq]  # 置信度  
#         if conf >= minConf:  
#             print (conseq, "--->", freqSet - conseq, "conf", conf )
#             brl.append((conseq, freqSet - conseq, conf))  
#             prunedH.append(freqSet - conseq)  
    return prunedH  



def rulesFromConseq(freqSet, H, supportData, brl, minConf=0.7):  
    m = len(H[0])  
    if (len(freqSet) > (m + 1)):  
        Hmp1 = aprioriGen(H, m + 1)  
        Hmp1 = calConf(freqSet, Hmp1, supportData, brl, minConf)  
        if (len(Hmp1) > 1):  
            rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)  

將上述代碼存儲成apriori.py

#引用并計算
import apriori####將上面兩個過程寫入apriori叔遂,調(diào)用

dataSet = apriori.loadDataSet()
print(dataSet)
C1 = apriori.createC1(dataSet)
D = list(map(set, dataSet))
print(type(D))
L1, suppDat = apriori.scanD(D, C1, 0.5)
print(L1)
L, suppData = apriori.apriori(dataSet)
print(L)
L, suppData = apriori.apriori(dataSet, minSupport=0.5)
print(L)
ruleList = apriori.generateRules(L, suppData,  minConf=0.5) 



FP-tree原理介紹

apriori算法每次發(fā)現(xiàn)潛在的頻繁集都需要重新掃描數(shù)據(jù)集來計算该肴,速度堪憂轴脐。
因此有人提出了FP-tree算法膜楷,這個算法優(yōu)點明顯,只需要對數(shù)據(jù)集掃描兩次就可以完成尋找頻繁集的任務杉编。
第一次掃描超全,對所有的單元素集合刪除支持度過小的集合且建立頻數(shù)指針,如a:1邓馒。過濾并對數(shù)據(jù)集進行排序卵迂。
第二次掃描,建立FP樹绒净。這顆樹是怎么建的呢见咒,從頭開始讀入數(shù)據(jù),將數(shù)據(jù)添加到已有路徑上挂疆,如果路徑不存在則新建路徑改览,同時指針中頻數(shù)變化。這樣問題就集中在對路徑和指針的保存上缤言。

FP-tree python實現(xiàn)

網(wǎng)上這部分代碼很多宝当,這里就略過了

參考資料:機器學習實戰(zhàn)

?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市胆萧,隨后出現(xiàn)的幾起案子庆揩,更是在濱河造成了極大的恐慌,老刑警劉巖跌穗,帶你破解...
    沈念sama閱讀 217,542評論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件订晌,死亡現(xiàn)場離奇詭異,居然都是意外死亡蚌吸,警方通過查閱死者的電腦和手機锈拨,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評論 3 394
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來羹唠,“玉大人奕枢,你說我怎么就攤上這事娄昆。” “怎么了缝彬?”我有些...
    開封第一講書人閱讀 163,912評論 0 354
  • 文/不壞的土叔 我叫張陵萌焰,是天一觀的道長。 經(jīng)常有香客問我谷浅,道長扒俯,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評論 1 293
  • 正文 為了忘掉前任壳贪,我火速辦了婚禮,結果婚禮上寝杖,老公的妹妹穿的比我還像新娘违施。我一直安慰自己,他們只是感情好瑟幕,可當我...
    茶點故事閱讀 67,500評論 6 392
  • 文/花漫 我一把揭開白布磕蒲。 她就那樣靜靜地躺著,像睡著了一般只盹。 火紅的嫁衣襯著肌膚如雪辣往。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,370評論 1 302
  • 那天殖卑,我揣著相機與錄音站削,去河邊找鬼。 笑死孵稽,一個胖子當著我的面吹牛许起,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播菩鲜,決...
    沈念sama閱讀 40,193評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼园细,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了接校?” 一聲冷哼從身側響起猛频,我...
    開封第一講書人閱讀 39,074評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蛛勉,沒想到半個月后鹿寻,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,505評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡诽凌,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,722評論 3 335
  • 正文 我和宋清朗相戀三年烈和,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片皿淋。...
    茶點故事閱讀 39,841評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡招刹,死狀恐怖恬试,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情疯暑,我是刑警寧澤训柴,帶...
    沈念sama閱讀 35,569評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站妇拯,受9級特大地震影響幻馁,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜越锈,卻給世界環(huán)境...
    茶點故事閱讀 41,168評論 3 328
  • 文/蒙蒙 一仗嗦、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧甘凭,春花似錦稀拐、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至躲胳,卻和暖如春蜓洪,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背坯苹。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評論 1 269
  • 我被黑心中介騙來泰國打工隆檀, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人粹湃。 一個月前我還...
    沈念sama閱讀 47,962評論 2 370
  • 正文 我出身青樓刚操,卻偏偏與公主長得像,于是被迫代替她去往敵國和親再芋。 傳聞我的和親對象是個殘疾皇子菊霜,可洞房花燭夜當晚...
    茶點故事閱讀 44,781評論 2 354

推薦閱讀更多精彩內(nèi)容