apriori是什么意思？

apriori是什么意思？

首先重申一下Apriori算法的两个条件，频繁意思就是计数大于自定义支持度阈值：

任何频繁项集的非空子集都是频繁的；

任何非频繁项集的超集都是非频繁的；

1.输入：T-交易集，ϵ-自定义支持度阈值；

2.L1是一项频繁项集，large1-itemsets具体是指交易集里所有数量大于ϵ的项的集合，是数字1，是分隔符，itemsets是对T里出现的所有单项交易的统计；

3.L1已初始化，意即单项频繁项集已找出，接下来要找二项频繁项集，故k初始化为2；

4.注意在while循环中，Lk-1是从L1开始的（因为k被初始化为2），L1不是空集，之后如你所说k<-k+1，逐次累加找到包含项数更多的关联规则，Lk中存储的就是关联规则，关联规则的形式是k-项集；

5.在此Ck可以理解为存储关联规则的中间变量，里面存储的是k-项集的所有可能，但未经筛选，不一定所有的k项集计数都大于ϵ。

{ aUb | a∈Lk-1 ∩ b∉a }，a是Lk-1的某一元素（即某一k-1项集），b是一项频繁集。意思是对Lk-1里的k-1频繁项集进行扩展，但必须满足b不属于a，举个例子，a={A,B,C}，b={D}，此时{aUb|a∈Lk-1∩b∉a}={A,B,C,D}，但如果b={B}，则对{aUb|a∈Lk-1∩b∉a}不满足b∉a，所以这一步就不会执行；

{ c | {s | s⊆c ∩ |s|=k-1} ⫋ Lk-1 }，c可以看作是Lk-1的补集（这样说不严谨，纯粹是为了便于题主理解），里面存储的是非频繁项集，根据条件我们知道任何非频繁项集的超集都是非频繁的，所以要减去这些项；

{ aUb | a∈Lk-1 ∩ b∉a } - { c | {s | s⊆c ∩ |s|=k-1} ⫋ Lk-1 }就是得到一个里面全是频繁项集的k-项集集合，命名为Ck。中间的是减号；

6.Ct <- {c | c∈Ck ∩ c⊆t}，符号 ∩ 是取交集的意思。对于Ck中的所有k-项集，如果在T中存在（有些项集由算法组合生成，实际数据集T中未必存在），则将这些项集放到一个新的容器Ct中；

7.是计算Ct中所有k-项集的频次；

8.Lk存储的是所有频繁k-项集且计数频次大于ϵ，也就是我们要得到的关联规则；

9.U Lk返回的是{L1，L2，……Lk}所有k-项集集合，k最终停止在哪个值取决于交易集T和ϵ；

不才怒答一波，其中有若干不严谨之处请多指摘，希望能帮到题主