二、應用場景舉例

1、股票漲跌預測

2、視頻、音樂、圖書等推薦

3、打車路線預測（考慮時空）

那當你每天早上打開軟件的時候，打車軟件就會推薦你的公司作為目的地，大大的減少用戶的打車時間。如下圖，我輸入小區名稱，馬上給我推薦了三個地方，杭州東站第一位，因為平時的打車這個組合的支持度最高。

4、風控策略自動化挖掘

三、3個最重要的概念

關聯規則有三個核心概念需要理解：支持度、置信度、提升度，下面用最經典的啤酒-尿不濕案例給大家舉例說明這三個概念，假如以下是幾名客戶購買訂單的商品列表：

1、支持度

在這個例子中，我們可以看到“牛奶”出現了 4 次，那么這 5 筆訂單中“牛奶”的支持度就是 4/5=0.8。

這樣理解起來是不是非常簡單了呢，大家可以動動手計算下 '尿不濕+啤酒'的支持度是多少？

2、置信度

置信度（牛奶→啤酒）= 3/4=0.75，代表購買了牛奶的訂單中，還有多少訂單購買了啤酒，如下面的表格所示。

由上面的例子可以看出，置信度其實就是個條件概念，就是說在 A 發生的情況下，B 發生的概率是多大。如果僅僅知道這兩個概念，很多情況下還是不夠用，需要用到提升度的概念。比如A出現的情況下B出現的概率為80%，那到底AB是不是有關系呢，不一定，人家B本來在大盤中的比例95%。你的A出現，反而減少了B出現的概率。

3、提升度

• 提升度 (A→B)>1：代表有提升；

• 提升度 (A→B)=1：代表有沒有提升，也沒有下降；

• 提升度 (A→B)<1：代表有下降。

4、頻繁項集

頻繁集挖掘面臨的最大難題就是項集的組合爆炸，如下圖：

隨著商品數量增多，這個網絡的規模將變得特別龐大，我們不可能根據傳統方法進行統計和計算，為了解決這個問題，Apriori算法提出了兩個核心思想：

如下圖，如果我們已知B不頻繁，那么可以說圖中所有綠色的項集都不頻繁，搜索時就要這些項避開，減少計算開銷。

同理，如果下圖所示，{A,B}這個項集是非頻繁的，那虛線框后面的都不用計算了，運用Apriori算法的思想，我們就能去掉很多非頻繁的項集，大大簡化計算量，當然，面對大規模數據的時候，這種排除還是解決不了問題，于是還有FP-Growth（Frequent pattern Growth，頻繁模式增長樹）這種更高效的方法，后面有機會慢慢講。

需要注意的是：

四、Python算法介紹

#包安裝我們使用efficient-apriori，python中也可以利用apyori庫和mlxtend庫
pipinstallefficient-apriori

#加載包
fromefficient_aprioriimportapriori

‘’‘
apriori(transactions:typing.Iterable[typing.Union[set,tuple,list]],
min_support:float=0.5,
min_confidence:float=0.5,
max_length:int=8,
verbosity:int=0,
output_transaction_ids:bool=False)
上面就是這個函數的參數
min_support：最小支持度
min_confidence：最小置信度
max_length：項集長度
‘’‘

#構造數據集
data=[('牛奶','面包','尿不濕','啤酒','榴蓮'),
('可樂','面包','尿不濕','啤酒','牛仔褲'),
('牛奶','尿不濕','啤酒','雞蛋','咖啡'),
('面包','牛奶','尿不濕','啤酒','睡衣'),
('面包','牛奶','尿不濕','可樂','雞翅')]
#挖掘頻繁項集和頻繁規則
itemsets,rules=apriori(data,min_support=0.6,min_confidence=1)
#頻繁項集
print(itemsets)
{1:{('啤酒',):4,('尿不濕',):5,('牛奶',):4,('面包',):4},
2:{('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3},
3:{('啤酒','尿不濕','牛奶'):3,('啤酒','尿不濕','面包'):3,('尿不濕','牛奶','面包'):3}}
itemsets[1]#滿足條件的一元組合
{('啤酒',):4,('尿不濕',):5,('牛奶',):4,('面包',):4}
itemsets[2]#滿足條件的二元組合
{('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3}
itemsets[3]#滿足條件的三元組合
{('啤酒','尿不濕','牛奶'):3,('啤酒','尿不濕','面包'):3,('尿不濕','牛奶','面包'):3}
#頻繁規則
print(rules)
[{啤酒}->{尿不濕},{牛奶}->{尿不濕},
{面包}->{尿不濕},{啤酒,牛奶}->{尿不濕},
{啤酒,面包}->{尿不濕},{牛奶,面包}->{尿不濕}]

#我們把max_length=2這個參數加進去看看
itemsets,rules=apriori(data,min_support=0.6,
min_confidence=0.5,
max_length=2)
#頻繁項集
print(itemsets)
{1:{('牛奶',):4,('面包',):4,('尿不濕',):5,('啤酒',):4,('R',):4},
2:{('R','啤酒'):4,('R','尿不濕'):4,('R','牛奶'):3,('R','面包'):3,('啤酒','尿不濕'):4,('啤酒','牛奶'):3,('啤酒','面包'):3,('尿不濕','牛奶'):4,('尿不濕','面包'):4,('牛奶','面包'):3}}
#通過這個數據我們可以看到，項集的長度只包含有兩個項了

五、挖掘實例

每個導演都有自己的偏好、比如周星馳有星女郎，張藝謀有謀女郎，且鞏俐經常在張藝謀的電影里面出現，因此，每個導演對演員的選擇都有一定的偏愛，我們以寧浩導演為例，分析下選擇演員的一些偏好，沒有找到公開的數據集，自己手動扒了一部分，大概如下，有些實在有點多，于是簡化下進行分析。

可以看到，我們一共扒了9部電影，計算的時候，支持度的時候，總數就是9.

#把電影數據轉換成列表
data=[['葛優','黃渤','范偉','鄧超','沈騰','張占義','王寶強','徐崢','閆妮','馬麗'],
['黃渤','張譯','韓昊霖','杜江','葛優','劉昊然','宋佳','王千源','任素汐','吳京'],
['郭濤','劉樺','連晉','黃渤','徐崢','優恵','羅蘭','王迅'],
['黃渤','舒淇','王寶強','張藝興','于和偉','王迅','李勤勤','李又麟','寧浩','管虎','梁靜','徐崢','陳德森','張磊'],
['黃渤','沈騰','湯姆·派福瑞','馬修·莫里森','徐崢','于和偉','雷佳音','劉樺','鄧飛','蔡明凱','王戈','凱特·納爾遜','王硯偉','呲路'],
['徐崢','黃渤','余男','多布杰','王雙寶','巴多','楊新鳴','郭虹','陶虹','黃精一','趙虎','王輝'],
['黃渤','戎祥','九孔','徐崢','王雙寶','巴多','董立范','高捷','馬少驊','王迅','劉剛','WorapojThuantanon','趙奔','李麒麟','姜志剛','王鷺','寧浩'],
['黃渤','徐崢','袁泉','周冬雨','陶慧','岳小軍','沈騰','張儷','馬蘇','劉美含','王硯輝','焦俊艷','郭濤'],
['雷佳音','陶虹','程媛媛','山崎敬一','郭濤','范偉','孫淳','劉樺','黃渤','岳小軍','傅亨','王文','楊新鳴']]
#算法應用
itemsets,rules=apriori(data,min_support=0.5,min_confidence=1)
print(itemsets)
{1:{('徐崢',):7,('黃渤',):9},2:{('徐崢','黃渤'):7}}
print(rules)[{徐崢}->{黃渤}]