数据挖掘Apriori算法.docx
《数据挖掘Apriori算法.docx》由会员分享,可在线阅读,更多相关《数据挖掘Apriori算法.docx(18页珍藏版)》请在冰豆网上搜索。
数据挖掘Apriori算法
实验报告
实验课程名称:
数据挖掘
实验项目名称:
Apriori算法
理学院
实验时间:
2014年11月11日
学生所在学院:
理学院专业:
统计学班级:
姓名
学号
实验组
实验时间
指导教师
成绩
实验项目名称
Apriori算法
实验目的及要求:
1.加强对Apriori算法的理解
2.锻炼分析问题、解决问题以及动手能力
3.编程实现Apriori算法
实验(或算法)原理:
Apriori算法是一种找频繁项目集的基本算法。
其基本原理是逐层搜索的迭代:
频繁K项Lk集用于搜索频繁(K+1)项集Lk+1,如此下去,直到不能找到维度更高的频繁项集为止。
这种方法依赖连接和剪枝这两步来实现。
算法的第一次遍历仅仅计算每个项目的具体值的数量,以确定大型l项集。
随后的遍历,第k次遍历,包括两个阶段。
首先,使用在第(k-1)次遍历中找到的大项集Lk-1和用Aprioir-gen函数产生候选项集Ck。
接着扫描数据库,计算Ck中候选的支持度。
用Hash树可以有效地确定Ck中包含在一个给定的事务t中的候选。
算法如下:
(1) L1 = {大项目集1项目集};
(2) for (k = 2; Lk-1 !
= 空; k++) do begin
(3) Ck = apriori-gen(Lk-1); //新的候选集
(4)for 所有事务 t ∈D do begin
(5) Ct = subset ( Ck,t); //t中所包含的候选
(6) for 所有候选 c ∈Ct do
(7)c.count++;
(8)end
(9)Lk = {c ∈Ck | c.count ≥ minsupp}
(10) end
(11) key = ∪Lk;
Apriori-gen函数:
1]Apriori候选产生函数Apriori-gen的参数Lk-1,即所有大型(k-1)项目集的集合。
它返回所有大型k项目集的集合的一个超集(Superset)。
首先,在Jion(连接)步骤,我们把Lk-1和Lk-1相连接以获得候选的最终集合的一个超集Ck:
(1) insert into Ck
(2) select p[1],p[2],……,p[k-1],q[k-1]
(3) from Lk-1p,Lk-1q
(4) where p[1] = q[1],……,p[k-2] = q[k-2],p[k-1] < q[k-
接着,在Prune(修剪)步骤,我们将删除所有的项目集 c∈Ck,如果c的一些k-1子集不在Lk-1中,为了说明这个产生过程为什么能保持完全性,要注意对于Lk中的任何有最小支持度的项目集,任何大小为k-1的子集也必须有最小支持度。
因此,如果我们用所有可能的项目扩充Lk-1中的每个项目集,然后删除所有k-1子集不在Lk-1中的项目集,那么我们就能得到Lk中项目集的一个超集。
上面的合并运算相当于用数据库中所有项目来扩展Lk-1;如果删除扩展项目集的第k-1个项目后得到的k-1项目集不在Lk-1中,则删除该扩展项目集。
条件p[k-1] < q[k-1]保证不会出现相同的扩展项。
因此,经过合并运算,Ck>Lk。
类似原因在删除运算中,删除Ck中其k-1子项目集不在Lk-1中的项目集,同样没有删除包含在Lk中的项目集。
(1) for 所有项目集c ∈Ck do
(2) for 所有c的 (k-1) 子集 s do
(3)if (s¢Lk-1) then
(4)从Ck中删除c
例如:
L3为{{1 2 3},{1 2 4},{1 3 4},{1 3 5},{2 3 4}}。
Jion步骤之后,C4为{{1 2 3 4},{1 3 4 5}}。
Prune步骤将删除项集{1 3 4 5},因为项集{1 4 5}不在L3中。
Subset函数:
候选项目集Ck存储在一棵Hash树中。
Hash树的一个节点包含了项集的一个链表(一个叶节点)或包含了一个Hash表(一个内节点)。
在内节点中,Hash表的每个Bucket都指向另一个节点。
Hash树的根的深度定义为1。
在深度d的一个内节点指向深度d+1的节点。
项目集存储在叶子中。
要加载一个项目集c时,从根开始向下直到一个叶子。
在深度为d的一个内节点上,要决定选取哪个分枝,可以对此项目集的第d个项目使用一个Hash函数,然后跟随相应Bucket中的指针。
所有的节点最初都创建成叶节点。
当一个叶节点中项集数量超过某个指定的阈值时,此叶节点就转为一个内节点。
从根节点开始,Subset函数寻找所有包含在某个事务t中的候选,方法如下:
若处于一个叶子,就寻找此叶子中的哪些项目集是包括在t中的,并对它们附加引用指向答案集合。
若处于一个内节点,而且是通过Hash项目i从而到达此节点的,那么就对t中i之后的每个项目进行Hash,并对相应Bucket中的节点递归地应用这个过程。
对于根节点,就对t中的每个项目进行Hash。
尽管Apriori算法已经可以压缩候选数据项集Ck,但是对于频繁项集尤其是2维的候选数据项集产生仍然需要大量的存储空间。
也就是说对于2维的候选数据项集,Apriori算法的剪枝操作几乎不起任何作用。
例如:
1维高频数据项集L1的规模是O(n),则2维候选数据项集的规模将达到O(n2)。
如果我们考虑一般情况,即在没有支持度的情况下1维高频数据项集L1的规模是103,则2维候选数据项集的规模C2将达到C1000≈5×105.这种空间复杂度以指数形式的增长,使得这个经典的算法的执行效率很难让人满意.Apriori算法的两大缺点就是产生大量的候选集,以及需重复扫描数据库。
实验硬件及软件平台:
Windows7、VisualC++6.0
实验内容(包括实验具体内容、算法分析、源代码等等):
#include
#include
#include
#include
#include
usingnamespacestd;
classApriori
{
public:
Apriori(size_tis=0,unsignedintmv=0)
{
item_size=is;
min_value=mv;
}
//~Apriori(){};
voidgetItem();
map,unsignedint>find_freitem();//求事务的频繁项
//连接连个k-1级频繁项,得到第k级频繁项
map,unsignedint>apri_gen(unsignedintK,map,unsignedint>K_item);
//展示频繁项集
voidshowAprioriItem(unsignedintK,map,unsignedint>showmap);
private:
map>item;//存储所有最开始的事务及其项
map,unsignedint>K_item;//存储频繁项集
size_titem_size;//事务数目
unsignedintmin_value;//最小阈值
};
voidApriori:
:
getItem()//用户输入最初的事务集
{
intci=item_size;
for(inti=0;i{
stringstr;
vectortemp;
cout<<"请输入第 "<
";
while(cin>>str&&str!
="wang")
{
temp.push_back(str);
}
sort(temp.begin(),temp.end());
pair
:
iterator,bool>ret=item.insert(make_pair(i+1,temp));
if(!
ret.second)
{
--i;
cout<<"你输入的元素已存在!
请重新输入!
"<}
}
cout<<"-------------运行结果如下:
--------------"<}
map,unsignedint>Apriori:
:
find_freitem()
{
unsignedinti=1;
boolisEmpty=false;
map>:
:
iteratormit;
for(mit=item.begin();mit!
=item.end();mit++)
{
vectorvec=mit->second;
if(vec.size()!
=0)
break;
}
if(mit==item.end())//事务集为空
{
isEmpty=true;
cout<<"事务集为空!
程序无法进行..."<map,unsignedint>empty;
returnempty;
}
while
(1)
{
map,unsignedint>K_itemTemp=K_item;
K_item=apri_gen(i++,K_item);
if(K_itemTemp==K_item)
{
i=UINT_MAX;
break;
}
//判断是否需要进行下一次的寻找
map,unsignedint>pre_K_item=K_item;
size_tKitemsize=K_item.size();
//存储应该删除的第K级频繁项集,不能和其他K级频繁项集构成第K+1级项集的集合
if(Kitemsize!
=1&&i!
=1)
{
vector
:
iterator>eraseVecMit;
map,unsignedint>:
:
iteratorpre_K_item_it1=pre_K_item.begin(),pre_K_item_it2;
while(pre_K_item_it1!
=pre_K_item.end())
{
map,unsignedint>:
:
iteratormit=pre_K_item_it1;
boolisExist=true;
vectorvec1;
vec1=pre_K_item_it1->first;
vectorvec11(vec1.begin(),vec1.end()-1);
while(mit!
=pre_K_item.end())
{
vectorvec2;
vec2=mit->first;
vectorvec22(vec2.begin(),vec2.end()-1);
if(vec11==vec22)
break;
++mit;
}
if(mit==pre_K_item.end())
isExist=false;
if(!
isExist&&pre_K_item_it1!
=pre_K_item.end())
eraseVecMit.push_back(pre_K_item_it1);//该第K级频繁项应该删除
++pre_K_item_it1;
}
size_teraseSetSize=eraseVecMit.size();
if(eraseSetSize==Kitemsize)
break;
else
{
vector
:
iterator>:
:
iteratorcurrentErs=eraseVecMit.begin();
while(currentErs!
=eraseVecMit.end())//删除所有应该删除的第K级频繁项
{
map,unsignedint>:
:
iteratoreraseMit=*currentErs;
K_item.erase(eraseMit);
++currentErs;
}
}
}
else
if(Kitemsize==1)
break;
}
cout<showAprioriItem(i,K_item);
returnK_item;
}
map,unsignedint>Apriori:
:
apri_gen(unsignedintK,map,unsignedint>K_item)
{
if(1==K)//求候选集C1
{
size_tc1=item_size;
map>:
:
iteratormapit=item.begin();
vectorvec;
mapc1_itemtemp;
while(mapit!
=item.end())//将原事务中所有的单项统计出来
{
vectortemp=mapit->second;
vector:
:
iteratorvecit=temp.begin();
while(vecit!
=temp.end())
{
pair
:
iterator,bool>ret=c1_itemtemp.insert(make_pair(*vecit++,1));
if(!
ret.second)
{
++ret.first->second;
}
}
++mapit;
}
map:
:
iteratoritem_it=c1_itemtemp.begin();
map,unsignedint>c1_item;
while(item_it!
=c1_itemtemp.end())//构造第一级频繁项集
{
vectortemp;
if(item_it->second>=min_value)
{
temp.push_back(item_it->first);
c1_item.insert(make_pair(temp,item_it->second));
}
++item_it;
}
returnc1_item;
}
else
{
cout<showAprioriItem(K-1,K_item);
map,unsignedint>:
:
iteratorck_item_it1=K_item.begin(),ck_item_it2;
map,unsignedint>ck_item;
while(ck_item_it1!
=K_item.end())
{
ck_item_it2=ck_item_it1;
++ck_item_it2;
map,unsignedint>:
:
iteratormit=ck_item_it2;
//取当前第K级频繁项与其后面的第K级频繁项集联合,但要注意联合条件
//联合条件:
连个频繁项的前K-1项完全相同,只是第K项不同,然后两个联合生成第K+1级候选频繁项
while(mit!
=K_item.end())
{
vectorvec,vec1,vec2;
vec1=ck_item_it1->first;
vec2=mit->first;
vector:
:
iteratorvit1,vit2;
vit1=vec1.begin();
vit2=vec2.begin();
while(vit1{
stringstr1=*vit1;
stringstr2=*vit2;
++vit1;
++vit2;
if(K==2||str1==str2)
{
if(vit1!
=vec1.end()&&vit2!
=vec2.end())
{
vec.push_back(str1);
}
}
else
break;
}
if(vit1==vec1.end()&&vit2==vec2.end())
{
--vit1;
--vit2;
stringstr1=*vit1;
stringstr2=*vit2;
if(str1>str2)
{
vec.push_back(str2);
vec.push_back(str1);
}
else
{
vec.push_back(str1);
vec.push_back(str2);
}
map>:
:
iteratorbase_item=item.begin();
unsignedintAcount=0;
while(base_item!
=item.end())//统计该K+1级候选项在原事务集出现次数
{
unsignedintcount=0,mincount=UINT_MAX;
vectorvv=base_item->second;
vector:
:
iteratorvecit,bvit;
for(vecit=vec.begin();vecit{
stringt=*vecit;
count=0;
for(bvit=vv.begin();bvit{
if(t==*bvit)
count++;
}
mincount=(countcount:
mincount);
}
if(mincount>=1&&mincount!
=UINT_MAX)
Acount+=mincount;
++base_item;
}
if(Acount>=min_value&&Acount!
=0)
{
sort(vec.begin(),vec.end());
//该第K+1级候选项为频繁项,插入频繁项集
pair
:
iterator,bool>ret=ck_item.insert(make_pair(vec,Acount));
if(!
ret.second)
{
ret.first->second+=Acount;
}
}
}
++mit;
}
++ck_item_it1;
}
if(ck_item.empty())//该第K+1级频繁项集为空,说明调用结束,把上一级频繁项集返回
returnK_item;
else
returnck_item;
}
}
voidApriori:
:
showAprioriItem(unsignedintK,map,unsignedint>showmap)
{
map,unsignedint>:
:
iteratorshowit=showmap.begin();
if(K!
=UINT_MAX)
cout<"<else
cout<<"最终的频繁项集为:
"<cout<<"项集"<<"\t"<<"频率"<while(showit!
=showmap.end())
{
vectorvec=showit->first;
vector:
:
iteratorvecit=vec.begin();
cout<<"{";
while(vecit!
=vec.end())
{
cout<<*vecit<<"";
++vecit;
}
cout<<"}"<<"\t";
cout<second<++showit;
}
}
unsignedintparseNumber(constchar*str)//对用户输入的数字进行判断和转换
{
if(str==NULL)
return0;
else
{
unsignedintnum