数据挖掘Apriori算法论文.docVIP

《数据挖掘》课程作业 题目 基于关联规则Apriori算法的事务数据挖掘 班级 学号 姓名 日期 2010.06.13 目 录 一、 引言 2 二、 正文 2 1.背景 2 2.算法思想 2 3.数据集 3 4.源代码 3 5.算法流程 16 6．运行结果……………………………………………………………………16 三、 结论 17 四、 参考文献 18 引言 随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。由此，数据挖掘技术应运而生。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。简而言之，数据挖掘其实是一类深层次的数据分析方法。从这个角度数据挖掘也可以描述为：按企业制定的业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。Apriori算法，但随着对关联规则研究的深入，它的缺点也暴露出来了。本文将对数据挖掘的一种经典算法Apriori算法对于事务项目数据的挖掘应用。 二、正文 1、背景 自1994年由Agrawal等人提出的关联规则挖掘Apriori的算法从其产生到现在，对关联规则挖掘方面的研究有着很大的影响。Apriori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。算法基于这样的事实：算法使用频繁项集性质的先验知识。Apriori 使用一种称作逐层搜索的迭代方法，k-项集用于探索（k+1）-项集。首先，找出频繁1-项集的集合。该集合记作L1。L1 用于找频繁2-项集的集合L2，而L2 用于找L3，如此下去，直到不能找到频繁k-项集。找每个Lk?需要一次数据库扫描。为提高频繁项集逐层产生的效率，一种称作Apriori 性质的重要性质用于压缩搜索空间。 为了提高频繁项目集逐层产生的效率，Apriori算法利用了两个重要的性质用于压缩搜索空间： ??? （l）若X是频繁项集，则x的所有子集都是频繁项集。 ??? （2）若x是非频繁项集，则X的所有超集都是非频繁项集。 2、算法思想 ??? 算法： Apriori算法，使用逐层迭代找出频繁项集。 ??? 输入：事务数据库D；最小支持度阈值min_sup。 ??? 输出：D 中的频繁项集L。 ??? 1） L1 = find_frequent_1_itemsets（D）； ??? 2） for （k = 2； Lk-1?≠ ； k++） { ??? 3） Ck?= aproiri_gen（Lk-1，min_sup）； ??? 4） for each transaction t D{ //scan D for count ??? 5） Ct?= subset（Ck，t）； //get subsets of t that are candidates ??? 6） for each candidate c Ct ??? 7） c.count++； ??? 8） } ??? 9） Lk={c Ck?| c.count ≥ min_sup} ??? 10） } ??? 11） return L = ∪kLk； 3、数据集 我用的的是一个事务数据集，数据集存在一个transaction数据库中，数据库中有三个表：customer、tranDB、transactionDB，存有事务和项目的数据 Transactiondb： tranDB: Customer： 4、源代码 // AprioriView.cpp : implementation of the CAprioriView class // #include stdafx.h #include Apriori.h #include time.h #include AprioriSet.h #include AprioriDoc.h #include AprioriView.h #include SetPara.h #ifdef _DEBUG #define new DEBUG_NEW #undef THIS_FILE static char THIS_FILE[] = __FILE__; #endif ////////////////////////////////////////