1. 搞懂關聯規則中的幾個重要概念：支持度、置信度、提升度；
2. Apriori 算法的工作原理；
3. 在實際工作中，我們該如何進行關聯規則挖掘。
一、搞懂關聯規則中的幾個概念(支持度、置信度、提升度)
Apriori 算法的核心就是理解頻繁項集和關聯規則。在算法運算的過程中，還要重點掌握對
支持度、置信度和提升度的理解。
超市購物的例子，下面是幾名客戶購買的商品列表：
1.1、什么是支持度呢？
支持度是個百分比，它指的是某個商品組合出現的次數與總次數之間的比例。支持度越
高，代表這個組合出現的頻率越大。
在這個例子中，我們能看到“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。
同樣“牛奶 + 面包”出現了 3 次，那么這 5 筆訂單中“牛奶 + 面包”的支持度就是
3/5=0.6。
1.2什么是置信度呢？
它指的就是當你購買了商品 A，會有多大的概率購買商品 B，在上面這個例子中：
置信度（牛奶→啤酒）=2/4=0.5，代表如果你購買了牛奶，有多大的概率會購買啤酒？
置信度（啤酒→牛奶）=2/3=0.67，代表如果你購買了啤酒，有多大的概率會購買牛奶？
我們能看到，在 4 次購買了牛奶的情況下，有 2 次購買了啤酒，所以置信度 (牛奶→啤酒)=0.5，
而在 3 次購買啤酒的情況下，有 2 次購買了牛奶，所以置信度（啤酒→牛奶）=0.67。
所以說置信度是個條件概念，就是說在 A 發生的情況下，B 發生的概率是多少。
1.3什么是提升度呢？
我們在做商品推薦的時候，重點考慮的是提升度，因為提升度代表的是“商品 A 的出現，
對商品 B 的出現概率提升的”程度。
提升度 (A→B)= 置信度 (A→B)/ 支持度 (B)
這個公式是用來衡量 A 出現的情況下，是否會對 B 出現的概率有所提升。
所以提升度有三種可能：
1. 提升度 (A→B)>1：代表有提升；
2. 提升度 (A→B)=1：代表有沒有提升，也沒有下降；
3. 提升度 (A→B)<1：代表有下降。
1.4頻繁項集 itemsets
itemsets, rules = apriori(data, min_support=0.5, min_confidence=1)
就是支持度大於等於最小支持度 (Min Support) 閾值的項集
1.5關聯規則rules
例如A與B出現的概率很高
data數據集是列表形式，里面每一個值可以是集合或者列表
k=1時，單個商品
例如啤酒
{1:{('啤酒',):3,(‘尿布’,):5}
2:{(‘啤酒’，‘尿布’):3,}
}
from efficient_apriori import apriori # 設置數據集
data = [('牛奶','面包','尿布'), ('可樂','面包', '尿布', '啤酒'), ('牛奶','尿布', '啤酒', '雞蛋'), ('面包', '牛奶', '尿布', '啤酒'), ('面包', '牛奶', '尿布', '可樂')] # 挖掘頻繁項集和頻繁規則
itemsets, rules = apriori(data, min_support=0.5, min_confidence=1) print(itemsets) print(rules)
data 是個 List 數組類型，其中每個值都可以是一個集合。實際上你 也可以把 data 數組中的每個值設置為 List 數組類型，比如： data = [['牛奶','面包','尿布'], ['可樂','面包', '尿布', '啤酒'], ['牛奶','尿布', '啤酒', '雞蛋'], ['面包', '牛奶', '尿布', '啤酒'], ['面包', '牛奶', '尿布', '可樂']]
# 挖掘頻繁項集和關聯規則
itemsets, rules = apriori(data, min_support=0.5, min_confidence=1) print(itemsets) print(rules)
最小支持度和最小置信系數，這樣我們可以找到支持度大於 50%，置信系數為 1 的頻繁項集和關聯規則。
你能看出來，寧浩導演喜歡用徐崢和黃渤，並且有徐崢的情況下，一般都會用黃渤。
Apriori原理為：如果某一項集是頻繁的，則它的所有子集也是頻繁的，反之，如果某一項集是非頻繁的，則其所有超集也是非頻繁的。
生成關聯規則需要：頻繁項集列表、包含頻繁項集支持數據的字典、最小可信度。 用更高效的方法來進行挖掘頻繁項集：使用FP-growth算法來高效發現頻繁項集 互聯網在處理龐大的用戶數據時就是使用FP-growth算法，來發現頻繁項集，找出經常一起出現的詞對。
二、提出問題
導演是如何選擇演員的
三、獲取數據
https://movie.douban.com/
在豆瓣電影中輸入導演名字
周星馳
采用Python，進行爬蟲
1111