数据挖掘Aprioi算法报告.docVIP

数据挖掘Apriori算法报告 一．关联算法简介 关联规则的目的在于在一个数据集中找出项之间的关系，也称之为购物蓝分析 (market basketanalysis)。例如，购买鞋的顾客，有10%的可能也会买袜子，60%的买面包的顾客，也会买牛奶。这其中最有名的例子就是尿布和啤酒的故事了。关联规则的应用场合。在商业销售上，关联规则可用于交叉销售，以得到更大的收入；在保险业务方面，如果出现了不常见的索赔要求组合，则可能为欺诈，需要作进一步的调查。在医疗方面，可找出可能的治疗组合；在银行方面，对顾客进行分析，可以推荐感兴趣的服务等等。Apriori algorithm是关联规则里一项基本算法。由Rakesh Agrawal 在 1994年提出的，详细的介绍请猛击这里《Fast Algorithms for Mining Association Rules》。该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，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步找到的频集产生期望的规则，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。为了生成所有频集，使用了递推的方法（1）L1 = find_frequent_1-itemsets(D); 挖掘频繁1-项集，比较容易（2for (k=2;Lk-1 ≠Φ ;k++) {（3Ck = apriori_gen(Lk-1 ,min_sup); // 调用apriori_gen方法生成候选频繁k-项集（4）for each transaction t D {???? // 扫描事务数据库D（5）Ct = subset(Ck,t);（6）for each candidate c 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） return L= k Lk; // 合并频繁k-项集（k0）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。 （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(char* x,char* y) { int i=0; if(SizeStr(x)==SizeStr(y)) { while(*(x+i)==*(y+i)) { i++; if(*(x+i)==0 *(y+i)==0) return t