推荐系统中常用的几种算法：
基于内容的推荐（静态）：内容特征表示，特征学习，推荐列表
基于协同过滤的推荐（动态）：群体智能、用户历史行为
基于关联规则的推荐：Transaction 频繁项集和关联规则挖掘
基于效率的推荐：效用函数的调用
基于知识图谱的推荐：知识图谱的创建
组合推荐：实际工作中经常使用
关联规则 Association Rules or Basket Analysis
1、 支持度：
百分比，指的是商品组合出现的次数与总次数的比例，支持度越高，代表这个商品出现的频率越大。
‘牛奶’的支持度 = 4/5 =0.8
‘牛奶+面包’ = 3/5 = 0.6
2、 置信度：是个条件概念，指当你买了商品A，会有多大的概率买商品b
置信度（牛奶->啤酒） = 2/4 = 0.5
置信度（啤酒->牛奶） = 2/3 = 0.67
如果我们单纯看置信度（可乐->尿布）= 1，也就是说可乐出现的时候，用户都会购买尿布。那么当用户买可乐的时候，就需要推荐尿布么？答案是否定的，如果该小店以卖尿布为准
3、提升度：商品a的出现，对商品b的出现概率提升程度
提升度（a->b）= 置信度（a->b）/ 支持度（b）
提升度的三种可能：
提升度（a->b）> 1:代表有提升
提升度（a->b）= 1: 代表没有提升也没有下降
提升度（a->b）< 1:代表有下降
4、Apriori算法：就是查找频繁项集（frequent itemset） 的过程
频繁项集（闺蜜）：支持度大于等于最小的支持度（MIn Support）阈值的项集
非频繁项集：支持度小于最小支持度的项集
案例
1、上面案例中的商品用ID来表示
假设最小支持度=0.5，那么Item4和6不符合最小支持度的，不属于频繁项集
在这个基础上，我们将商品两两组合，得到k=2项的支持度
筛选掉小于最小值支持度的商品组合
将商品进行K=3项的商品组合，可以得到：
筛选掉小于最小值支持度的商品组合
得到K=3项的频繁项集{1,2,3}，也就是{牛奶、面包、尿布}的组合。
Apriori算法的流程：
Step1，K=1，计算K项集的支持度；
Step2，筛选掉小于最小支持度的项集；
Step3，如果项集为空，则对应K-1项集的结果为最终结果。
否则K=K+1，重复1-3步。
使用工具包：
from efficient_apriori import apriori
或者：
from mlxtend.frequent_patterns import apriori
代码如下：
关联分析的使用场景，万物皆Transaction：
超市购物小票（TransactionID => Item）
github项目路径：
每部电影的分类（MovieID => 分类）
github项目路径：
每部电影的演员（MovieID => 演员）
github项目路径：
关联规则与协同过滤的区别
关联规则是基于transaction，而协同过滤基于用户偏好（评分）
商品组合使用的是购物篮分析，也就是Apriori算法，协同过滤计算的是相似度
关联规则没有利用“用户偏好”，而是基于购物订单进行的频繁项集挖掘
关联规则与协同过滤的区别
1、推荐使用场景：
当下的需求：
推荐的基础是且只是当前一次的购买/点击
长期偏好：
基于用户历史的行为进行分析，建立一定时间内的偏好排序
两种推荐算法的思考维度不同，很多时候，我们需要把多种推荐方法的结果综合起来做一个混合的推荐
关联规则的视角
不需要考虑用户一定时期内的偏好，而是基于Transaction
只要能将数据转换成Transaction，就可以做购物篮分析：
Step1、把数据整理成id=>item形式，转换成transaction
Step2、设定关联规则的参数（support、confident）挖掘关联规则
Step3、按某个指标（lift、support等）对以关联规则排序
关联规则中的最小支持度、最小置信度该如何确定
最小支持度，最小置信度是实验出来的
最小支持度：
不同的数据集，最小值支持度差别较大。可能是0.01到0.5之间
可以从高到低输出前20个项集的支持度作为参考
最小置信度：可能是0.5到1之间
提升度：表示使用关联规则可以提升的倍数，是置信度与期望置信度的比值
提升度至少要大于1
Apriori在计算的过程中存在的不足：
可能产生大量的候选集。因为采用排列组合的方式，把可能的项集都组合出来了
每次计算都需要重新扫描数据集，计算每个项集的支持度
浪费了计算空间和时间
FPGrowth算法
在Apriori算法基础上提出了FP-Growth算法：
创建了一棵FP树来存储频繁项集。在创建前对不满足最小支持度的项进行删除，减少了存储空间。
整个生成过程只遍历数据集2次，大大减少了计算量
理解：Apriori存在的不足，有更快的存储和搜索方式进行频繁项集的挖掘
步骤
创建项头表（item header table）
作用是为FP构建及频繁项集挖掘提供索引。
Step1、流程是先扫描一遍数据集，对于满足最小支持度的单个项（K=1项集）按照支持度从高到低进行排序，这个过程中删除了不满足最小支持度的项。
项头表包括了项目、支持度，以及该项在FP树中的链表。初始的时候链表为空。
Step2、对于每一条购买记录，按照项头表的顺序进行排序，并进行过滤。
构造FP树，根节点记为NULL节点
Step3、整个流程是需要再次扫描数据集，把Step2得到的记录逐条插入到FP树中。节点如果存在就将计数count+1，如果不存在就进行创建。同时在创建的过程中，需要更新项头表的链表。
Step4、通过FP树挖掘频繁项集
现在已经得到了一个存储频繁项集的FP树，以及一个项头表。可以通过项头表来挖掘出每个频繁项集。
挖掘从项头表最后一项“啤酒”开始。
从FP树种找到所有“啤酒”节点，向上遍历祖先节点，得到3条路径。对于每条路径上的节点，其count都设置为“啤酒”的count
具体的操作会用到一个概念，叫“条件模式基”
因为每项最后一个都是“啤酒”，因此我们把“啤酒”去掉，得到条件模式基，此时后缀模式是（啤酒）
假设{啤酒}的条件频繁集为{S1,S2,S3}，则{啤酒}的频繁集为{S1+{啤酒},S2+{啤酒},S3+{啤酒}}，此时的条件频繁项集为{{}, {尿布}}，所以啤酒的频繁项集为{啤酒}，{尿布，啤酒}
继续找项头表倒数第2项面包，求得“面包”的条件模式基
根据条件模式基，可以求得面包的频繁项集：{面包}，{尿布，面包}，{牛奶，面包}，{尿布，牛奶，面包}
继续找项头表倒数第3项面包，求得“牛奶”的条件模式基
根据条件模式基，可以求得面包的频繁项集：{牛奶}，{尿布，牛奶}
继续找项头表倒数第4项面包，求得“尿布”的条件模式基
根据条件模式基，可以求得尿布的频繁项集：{尿布}
所以全部的频繁项集为：
{啤酒}，{尿布，啤酒}
{面包}，{尿布，面包}，{牛奶，面包}，{尿布，牛奶，面包}
{牛奶}，{尿布，牛奶}
{尿布}
工具包
通过Python官方的第三方软件库
https://pypi.org/
import fptools as fp
Spark.mllib 提供并行FP-growth算法
