知识发现与数据挖掘实验报告摘要.docVIP

知识发现与数据挖掘实验报告 姓名：xxx 专业：xxxxxx 学号：xxxxx 2013 年 8 月 15日 实验一、频繁模式挖掘算法 Apriori算法 一、实验目的 加强对Apriori算法的理解。 二、实验内容 编程实现Apriori算法，加深对其理解。 三、实验原理 该算法的基本思想是：首先找出所有的集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由集强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的集期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有集，使用了递推的方法(一)、Apriori（发现频繁项目集） （1）L1={large 1-itemsets};//所有支持读不小于minsupport的1-项目集 （2）、FOR （k=2;Lk-1≠Φ;k++） DO BEGIN （3） Ck = apriori-gen(Lk-1 ,min_sup);//Ck是k个元素的候选集 （4） FOR all transaction t ∈ D DO BEGIN （5） Ct = subset(Ck,t);//Ct是所有t包含的候选集元素 （6） FOR all candidate c ∈ Ct DO c.count++; （7） END （8） Lk ={c ∈ Ck|c.count≥minsup_count} （9）END （10）L= ∪ k Lk; (二)、apriori-gen(Lk-1)（候选集产生） Lk-1。 输出：k-候选项目集Ck。 （1）FOR all itemset p∈Lk-1 DO （2） FOR all itemset q∈Lk-1 DO （3） IF p.item1=q.item1，p.item2=q.item2，…，p.itemk-2=q.itemk-2，p.itemk-1=q.itemk-1 THEN BEGIN （4） c=p∞q; （5） IF has_infrequent_subset(c,Lk-1) THEN （6） delete c; （7） ELSE add c to Ck; （8） END （9）Return Ck;(三)、has_infrequent_subset(c,Lk-1)（候选集产生） Lk-1。 输出：c是否从候选集中删除的布尔判断。 （1）FOR all (k-1)-subsets of c DO （2） IF S ? Lk-1 THEN Return TRUE； （3）Return FALSE; （一）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： I1 I2 I5 I1 I2 I2 I4 I1 I2 I4 I1 I3 I1 I2 I3 I5 I1 I2 I3 I2 I5 I2 I3 I4 I3 I4 对于数据集，取最小支持度minsup=2，最小置信度minconf=0.8。 （二）算法步骤： 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。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。如此进行下去，直到不能连接产生新的候选集为止。 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。 （三）C++算法的简单实现 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。 定义int countL1[10];找到各一维频繁子集出现的次数。定义char curL1[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。 int countL2[10]; //各二维频繁子集出现的次数 char curL2[20][3]; //出现的二维子集 int countL3[10]; //各三维频繁子集出现的次数 char curL3[20][4]; //出现的三维子集char cur[50][4]; （3）、定义int SizeStr(char* m) 得到字符串的长度。实现代码如下：int SizeStr(char* m) { int i=0; while(*(m+i)!=0) { i++; } return i; } （4）、比较两个字符串，如果相等返回true,否则返回false bool OpD(