Apriori 算法在高校毕业生就业数据挖掘中的应用研究.pdfVIP

数据库技术 ·DataBaseTechnique 的R．Agrawal和 R．Srikant提出的，是一种 布尔关联规则挖掘频繁项集的原创性算法。 Apriori是先验知识 (prioriknowledge)的意思 ． 即该算法使用频繁项集性质的先验知识。 Apriori算法的过程如下： (1)通过频繁项集将候选集生成，以使 候选 1．项集 C 生成，且将数据库当中的一切 非频繁子集删除，以使 1一频繁项集L生成。 (2)自连接的L，使候选2一项集C，生成， 且将 c，中一切非频繁子集删除，进而使 2一频 繁项集 Ln生成。 (3)根据上面的重复，自连接 的k．．， 使候选 K一项集 c生成 ，且将 c 当中一切非 频繁子集删除，并使K一频繁项集 LK生成。 (4)对 f3)进行重复，持续到频繁项集 图1：hpriori改进算法的执行时间比较 不再生成，对算法进行终止 。 执行时间 ￡ 表 1：原始学生数据 2 在教 育行业数 据 中使 用关 联规 则 Apriori算法的缺陷 学号 专业 性别 高考成绩 在校成绩 奖学金 生源地 家庭经济条件 搜索频繁项 目集是Apriori算法的中心环 软件技术 女 31O 596 一等 江苏射阳 好 节，通过一层一层进行搜索的迭代策略，可 以 图形图像 女 298 6lO 一等 江苏东台 好 划分搜索为剪枝部分与连接部分： (1)通过前趟搜索获得的k1．项频繁集 L 进行 自连接，且借助剪枝，获得候选k．项 表 2：量化后的学生数据 集 ck； (2)在扫描事务数据库 D的基础上进行， 学号 专业 性别 高考成绩 I，在校成绩 I，奖学金I 生源地 l 家庭经济条件 I 对候选k．项集c支持度进行统计，从而获得 0303 l 1 1 1 l 1 k．项频繁集 。在进行分析的基础上，能够 注意到Apriori算法当中的一些问题 。像是因 0309 1 1 1 1 l I 为 以前循环重复扫描数据库，这不利于输入输 出的顺利进行，会使大量的时间浪费，并且会 3．2算法改进思想的研究 量，因此，Apriori算法 以及改进的算法几乎 导致很多候选集的出现。 占据一样的内存。为此，在执行时间上，改进 此次算法是应用于学生信息数据 中，学 具体的算法是： 的算法减少 了，且能够更加迅速地运行，且使 生个体具有很多共性，重复的数据更多，这个 Ll=find frequant1一itemsets(D)-． _ 挖掘关联规则效率大大地提高。 算法最初的提出是应用于超市购物篮信息处理 For(k=2：Lk— l≠；k十+)DOBEGIN 从 图 1可 以看 出，Apriori改进 算 法 比 的，并不特别适用于量化后的学生数据。 ForeachseLk一1Do Apriori算法性能更加优越 ，尤其体现住挖掘