Frequent Pattern Mining (Apriori Algorithm)

데이터 사이언스 과제 #1로 수행한 Frequent Pattern Mining 프로젝트입니다.
본 프로젝트에서는 Apriori 알고리즘을 직접 구현하여 frequent itemset 탐색 및 association rule 생성을 수행하였습니다.

---

프로젝트 개요

• 목표: 거래 데이터로부터 빈번한 패턴(Frequent Itemset)을 찾고, 연관 규칙(Association Rule)을 생성
• 알고리즘: Apriori Algorithm
• 언어: Python
• 입력: Transaction 데이터 (각 줄 = 하나의 거래)
• 출력: Association Rule (support, confidence 포함)

---

주요 기능

1️⃣ Transaction 데이터 로드

• 입력 파일을 읽어 각 거래를 set 형태로 변환
• 공백/탭 기반 parsing 처리

---

2️⃣ Apriori 알고리즘 구현

✔ L1 생성

• 1-itemset의 support count 계산
• minimum support 이상만 유지

✔ JOIN 단계

• 이전 frequent (k-1)-itemset을 기반으로 k-itemset 후보 생성

✔ PRUNE 단계

• Apriori Property 적용
  → 모든 부분집합이 frequent한 경우만 유지

✔ Support Count 계산

• 후보 itemset이 transaction에 포함되는 횟수 계산

---

3️⃣ Association Rule 생성

• frequent itemset으로부터 가능한 모든 rule 생성
• 계산 지표:
  • Support (%)
  • Confidence (%)

Support = (itemset 등장 횟수 / 전체 transaction 수) × 100
Confidence = (itemset 등장 횟수 / left subset 등장 횟수) × 100

4️⃣ 결과 출력

•	출력 형식:

{A} {B} support confidence

• 소수점 둘째 자리까지 formatting

---

실행 방법

python3 apriori.py <min_support_percent> <input_file> <output_file>