apriori什么是关联规则

Apriori算法是什么？适用于什么情境

经典的关联规则挖掘算法包括Apriori算法和FP-growth算法。

apriori算法多次扫描交易数据库，每次利用候选频繁集产生频繁集；而FP-growth则利用树形结构，无需产生候选频繁集而是直接得到频繁集，大大减少扫描交易数据库的次数，从而提高了算法的效率。

但是apriori的算法扩展性较好，可以用于并行计算等领域。

Apriori algorithm是关联规则里一项基本算法。

是由Rakesh Agrawal和Ramakrishnan Srikant两位博士在1994年提出的关联规则挖掘算法。

关联规则的目的就是在一个数据集中找出项与项之间的关系，也被称为购物蓝分析 (Market Basket analysis)，因为“购物蓝分析”很贴切的表达了适用该算法情景中的一个子集。

weka里Apriori关联规则挖掘，我希望得到的结论是与最后一列目标属性的关系，可是总是得到的都是前边条件属

weka里面的apriori算法，先生成所有的频繁项集，然后生成规则，根据最小支持度和置信度都满足的情况，选出强规则输出。

举个例子，比如有个长度为3的频繁项集ABC 那么你生成规则时候是： A->BC AB->C AC->B B->AC BC->A C->AB 然后分别对上述产生的规则计算置信度，如果不满足，就不输出 那么你所说的问题，很可能是因为你的最后一列在->右边时的规则不满足置信度。

所以没有那样的规则输出。

weka默认的最小支持度是0.1，最小置信度是0.9，你可以通过命令行进行调整，适当降低 置信度，可能就能看到你想要的规则了。

什么是关联规则

关联规则反映一个事物与其他事物之间的相互依存性和关联性。

如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。

人们希望在海量商业交易记录中发现感兴趣的数据关联关系，用以帮助商家作出决策。

例如，商品分类设计、降价经销分析、生产安排、货架摆放策略等。