千呼万唤始出来，犹抱琵琶半遮面。

本文仍旧进展很慢，因为纯粹的说教毫无意义，不放代码的博文都是耍流氓。

本文暂时耍个流氓，明天或者后天将代码补上这里。因为这周比较忙，开始慌了。

一、Apriori到底是什么？

学过反演理论的童鞋应该对A priori不陌生，对，就是‘一个先验信息’，先验信息在优化问题、数值求解中非常重要。如果先验信息找的好，非常省力，求解时间很短，找的不好可能得不到真实解，也可能无解。

1.1 先验信息到是什么？

我们对要求解的问题总会或多或少地知道‘一点’答案信息，比如双色球，蓝球肯定是1~16之间，红球肯定是在1~33之间，并且6个球不一样，顺序无要求。有人说，这是废话，知道这些东西还是中不了奖，哈哈，正常！再比如，我可以知道你要么单身，要么有对象，如果有对象，虽然我猜不到你对象是男女，但我能猜到你对象一般应该有两个胳膊、两条腿，不要说就你特殊哈，不耐烦了吧，其实先验信息就是依据惯例所知道的东西，关键在于怎么用。

在上次的博文中提到路边摊卖的早点，根据先验信息，我们知道五种食品的组合（项集）只有以下几种（不可能出现什么都不买，让老板给你打印个购物单，肯定怼死你，“神经病”）。若采用暴力算法去算，经繁琐计算知道其项集组合应该有下面31种情况，分别是组合，其和就是31。采用二项式系数展开定理我们知道，如果有n个项，那么所有的项集有？种可能（如果自己推不出，可以发邮件问我）

上图在排列组合过程中很费劲，因为要把所有的情况考虑到，因此暴力算法也称蛮力算法、穷举算法。如果某店铺有20种零食，它们的项集有多少种可能呢？来，心算一下，结果是1048576-1=1048575，你把这个数字给老板还不一巴掌啪死你。因此，我们要考虑实际情况，参照实际的售卖情况进行简单的统计，如果出现某个项集（比如{油条，豆浆}）的概率较大（也就是频繁），那么我们可以确定出现{油条}或{豆浆}的概率也很大，这就是所谓的Apriori原理，R U Clear?

这是什么鬼？？它的逆否命题为，如果子集不频繁，那么该子集的超集也不频繁。

1.2 超集是什么？

在上一个博文中，支持度的概念里面应该提到超集，支持度是出现的项集只要包含指定项集即可，也可能有其他项。此时，包含项集的集合就是超集，超集的概念与子集相对。咱玩点文字游戏：空集是任何非空集合的真子集，此时的非空集合就是空集的真超集。

任何集合都是它本身的子集，同样也是它本身的超集。（无聊）

Apriori原理很强，如果儿子不肖，那么老子也不怎么样！是不是很强？！

咱回到初衷——关联分析，那么关联分析的目的就是寻找频繁项集，并发掘关联规则

那么Apriori到底有什么用，是不是还没发现？

回想一下怎么提出Apriori的，是不是因为项的组合——项集太多，而不能用暴力算法计算，又因为我们只关注频繁项集，对于那些不频繁的项集就不予考虑，而Apriori就是一种发现频繁项集的方法，如果{豆浆,香肠}是不频繁项集，那么它的超集也是不频繁的，其支持度无需再计算了。因此Apriori只需知道最小的支持度（这是需要知道的参数，需要指定），将大于该支持度的项集保留，而其他项集去掉。这就是Apriori的具体作用。

1.3 伪代码在这 

那么Apriori算法流程是：参考人民邮电出版社《机器学习实战》

1 首先生成所有单个物品的项集列表

2 遍历数据集中所有项集，将不满足最小支持度的项集去掉

3 对剩下的项集组合，生成包含两个元素的项集

4 重新遍历数据集，去掉不满足最小支持度的项集

5 重复上述过程，直到所有项集都被去掉

代码在哪里？欲知后事如何，且听下回分解。

（还在调代码中……）