Skip to content

Machine Learning › 非監督式學習 › 關聯規則 › Apriori

Apriori ​

逐層找出頻繁項目集 (frequent itemsets),再從中產生關聯規則。指標定義見 關聯規則。

核心性質:向下封閉 (downward closure) ​

一個項目集若是頻繁的,它的所有子集也一定是頻繁的;反過來,不頻繁的項目集,其所有超集都不可能頻繁。

例:{bread, milk} 一起出現的比例已經低於 min_support,那 {bread, milk, eggs} 只會更少,不必再算。Apriori 就靠這個性質逐層剪枝:

text
找頻繁 1-項目集 → 只用它們組合出 2-項目集候選 → 算 support、刪掉不頻繁的
              → 用頻繁 2-項目集組出 3-項目集候選 → … 直到沒有新的頻繁項目集

用法(mlxtend) ​

python
import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules

transactions = [["bread", "milk"],
                ["bread", "diapers", "beer", "eggs"],
                ["milk", "diapers", "beer", "cola"],
                ["bread", "milk", "diapers", "beer"],
                ["bread", "milk", "diapers", "cola"]]

# 1. 轉成交易 × 項目的布林矩陣
te = TransactionEncoder()
df = pd.DataFrame(te.fit(transactions).transform(transactions), columns=te.columns_)

# 2. 頻繁項目集
itemsets = apriori(df, min_support=0.6, use_colnames=True)
# bread / diapers / milk 0.8;beer 0.6;{diapers, beer}、{diapers, bread}、{milk, bread}、{diapers, milk} 0.6

# 3. 產生規則
rules = association_rules(itemsets, num_itemsets=len(df), metric="confidence", min_threshold=0.7)
rules.sort_values("lift", ascending=False)[["antecedents", "consequents", "support", "confidence", "lift"]]
#   {beer}    → {diapers}  support 0.6  confidence 1.00  lift 1.25
#   {diapers} → {beer}     support 0.6  confidence 0.75  lift 1.25
#   {bread}   → {milk}     support 0.6  confidence 0.75  lift 0.94   ← confidence 高但 lift < 1

新版 mlxtend 的 association_rules() 多了 num_itemsets 參數,請傳入交易筆數 len(df);舊教學的寫法沒有這個參數。0.23.0–0.23.3 必須傳入,0.23.4 起改為選填(changelog)。本筆記以 mlxtend 0.25 驗證。

參數 ​

參數說明太高太低
min_support頻繁項目集的最低出現比例只剩人人都買的商品候選組合爆炸、規則不穩定
metric + min_threshold篩規則:"confidence"、"lift"、"leverage"…規則太少規則太多
max_len(apriori)項目集的最大長度—限制計算量

優缺點 ​

優點缺點
概念簡單、結果直觀項目多或資料密集時候選組合爆炸,很慢
剪枝大幅減少搜尋需要多次掃描資料
—只能找共現,無法處理順序(序列模式要用其他方法)

資料大時改用 FP-Growth,結果相同但通常快很多。