关联规则挖掘

==================
关联规则挖掘
==================

原理及目标
--
根据共现找出相关联的信息

相关概念
----
物品， 物品集， 事务，关联规则，支持度，可信度，最小支持度，最小可信度，频繁项集

关联规则发现任务
--------
给定一个事务数据库D，求出所有满足最小支持度和最小可信度的关联规则。该问题可以分解为两个子问题：

1. 求出D中满足最小支持度的所有频繁集； # 难点，如何高效地求出频繁项集？
2. 利用频繁集生成满足最小可信度的所有关联规则。 # 容易解决

注：频繁集具有向下封闭性，即：频繁集的子集一定是频繁集；非频繁集的超集一定是非频繁集。

Apriori算法
-----
首先考虑所有候选一元组C1，选出满足最小支持度的记为L1，将L1中一元组组合成候选二元组C2，选出满足最小支持度的二元组L2，
进一步组合成候选三元组C3，得到L3，一直迭代。L1,L2,...合并即可。

生成候选集的算法：

* join算法：两个物品集L[k-1]组合出物品集C[k]。
* Prune算法：从C[k]中剔除大小为k-1的不在L[k-1]中的子集。

算法的核心：

* 用频繁的(k – 1)-项集生成候选的频繁 k-项集
* 用数据库扫描和模式匹配计算候选集的支持度

算法的瓶颈：

* 巨大的候选集
* 多次扫描数据库

算法优化
---
* 宽度优先算法--AprioriHybrid算法，DHP算法。
* 深度优先算法--FP-growth算法，OP算法，TreeProjection算法。
* 数据集划分算法
* 采样算法
* 增量式更新算法
* 并行挖掘算法

FP-growth算法
----
在不生成候选项的情况下，生成FPTree，只需要扫描两次数据库，就可以完成Apriori算法的功能。

http://blog.csdn.net/sealyao/article/details/6460578

http://www.cnblogs.com/zhangchaoyang/articles/2198946.html

### python实现
FP-growth的python实现

https://github.com/enaeseth/python-fp-growth