数据挖掘Apriori算法报告Word格式文档下载.docx
《数据挖掘Apriori算法报告Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《数据挖掘Apriori算法报告Word格式文档下载.docx（16页珍藏版）》请在冰豆网上搜索。
（1）L1=find_frequent_1-itemsets（D）;
//挖掘频繁1-项集，比较容易
（2）for（k=2;
Lk-1≠Φ;
k++）{
（3）Ck=apriori_gen（Lk-1,min_sup）;
//调用apriori_gen方法生成候选频繁k-项集
（4）foreachtransactiont∈D{
//扫描事务数据库D
（5）Ct=subset（Ck,t）;
（6）foreachcandidatec∈Ct
（7）c.count++;
//
统计候选频繁k-项集的计数
（8）}
（9）Lk={c∈Ck|c.count≥min_sup}//满足最小支持度的k-项集即为频繁k-项集
（10）}
（11）returnL=∪kLk;
//合并频繁k-项集（k>
0）
三.关联算法的C++简单实现
（1）算法数据：
对给定数据集用Apriori算法进行挖掘，找出其中的频繁集并生成关联规则。
对下面数据集进行挖掘：
I1I2I5
I1I2
I2I4
I1I2I4
I1I3
I1I2I3I5
I1I2I3
I2I5
I2I3I4
I3I4
对于数据集，取最小支持度minsup=2，最小置信度minconf=0.8。
（2）算法步骤：
①首先单趟扫描数据集，计算各个一项集的支持度，根据给定的最小支持度闵值，得到一项频繁集L1。
②然后通过连接运算，得到二项候选集，对每个候选集再次扫描数据集，得出每个候选集的支持度，再与最小支持度比较。
得到二项频繁集L2。
③如此进行下去，直到不能连接产生新的候选集为止。
④对于找到的所有频繁集，用规则提取算法进行关联规则的提取。
（3）C++算法的简单实现
①首先要在工程名文件夹里自己定义date.txt文档存放数据，然后在main函数中用FILE*fp=fopen（"
date.txt"
"
r"
）;
将数据导入算法。
②定义intcountL1[10];
找到各一维频繁子集出现的次数。
定义charcurL1[20][2];
实现出现的一维子集。
由于给出的数据最多有4个数，所以同样的我们要定义到4维来放数据。
intcountL2[10];
//各二维频繁子集出现的次数
charcurL2[20][3];
//出现的二维子集
intcountL3[10];
//各三维频繁子集出现的次数
charcurL3[20][4];
//出现的三维子集
charcur[50][4];
③定义intSizeStr（char*m）得到字符串的长度。
实现代码如下：
intSizeStr（char*m）
{
inti=0;
while（*（m+i）!
=0）
{
i++;
}
returni;
}
④比较两个字符串，如果相等返回true,否则返回false
boolOpD（char*x,char*y）
if（SizeStr（x）==SizeStr（y））
while（*（x+i）==*（y+i））
{
i++;
if（*（x+i）==0&
&
*（y+i）==0）
returntrue;
}
returnfalse;
⑤通过voidLoadItemL1（char**p）得到所有1元的字串和各自出现的次数
voidLoadItemL1（char**p）
inti,j,n=0,k=0;
charch;
char*s;
intf;
memset（cur,0,sizeof（cur））;
for（i=0;
i<
20;
i++）
curL1[i][0]=0;
curL1[i][1]=0;
for（j=0;
j<
10;
j++）
countL1[j]=0;
for（j=0;
4;
ch=*（*（p+i）+j）;
if（ch==0）
break;
cur[n][0]=ch;
n++;
curL1[0][0]=cur[0][0];
curL1[0][1]=cur[0][1];
k=0;
50;
if（cur[i]==0）
break;
s=cur[i];
f=1;
=k;
if（OpD（s,curL1[j]））
{
f=0;
}
if（f==1）
++k;
curL1[k][0]=cur[i][0];
curL1[k][1]=cur[i][1];
char*m;
m=curL1[i];
if（*m==0）
if（OpD（m,cur[j]））
countL1[i]++;
printf（"
L1:
\n"
项集支持度计数\n"
if（curL1[i]==0）
if（countL1[i]>
=2）
printf（"
{I%s}:
%d\n"
curL1[i],countL1[i]）;
⑥通过voidSubItem2（char**p）得到所有的2元子串
voidSubItem2（char**p）
inti,j,k,n=0;
curL2[i][0]=0;
curL2[i][1]=0;
curL2[i][2]=0;
countL2[i]=0;
for（k=0;
k<
k++）
s=*（p+k）;
if（SizeStr（s）<
2）
continue;
for（i=0;
SizeStr（s）;
for（j=i+1;
if（*（s+j）==0）
break;
*（cur[n]+0）=*（s+i）;
*（cur[n]+1）=*（s+j）;
*（cur[n]+2）=0;
*（cur[n]+3）=0;
n++;
⑦通过voidLoadItemL2（char**p）得到各个2元频繁子串出现的次数
voidLoadItemL2（char**p）
intk,i,j;
SubItem2（p）;
curL2[0][0]=cur[0][0];
curL2[0][1]=cur[0][1];
curL2[0][2]=cur[0][2];
if（OpD（s,curL2[j]））
curL2[k][0]=cur[i][0];
curL2[k][1]=cur[i][1];
curL2[k][2]=cur[i][2];
s=curL2[i];
if（*s==0）
if（OpD（s,cur[j]））
countL2[i]++;
L2:
\n"
if（curL2[i]==0）
if（countL2[i]>
{I%c,I%c}:
curL2[i][0],curL2[i][1],countL2[i]）;
⑧通过定义voidSubItem3（char**p）得到所有3元的子串
voidSubItem3（char**p）
char*s;
inti,j,h,m;
intn=0;
curL3[j][0]=0;
curL3[j][1]=0;
curL3[j][2]=0;
curL3[j][3]=0;
countL3[i]=0;
for（m=0;
m<
m++）
s=*（p+m）;
3）
for（h=j+1;
h<
h++）
{
if（*（s+h）==0）
break;
*（cur[n]+0）=*（s+i）;
*（cur[n]+1）=*（s+j）;
升级会员 