数据挖掘 - 副本new.docVIP

Apriori算法简介 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。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。 　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。L k , 通过L k- 1与自己连接产生候选k2项目集的集合。该候选项的集合记做Ck。设l1 和l2 是 L k - 1中的项集。记号li [ j ]表示li 的第j 项。执行连接L k - 1∞L k - 1 其中L k- 1的元素l1 和l2 是可以连接的，如果( l1 [ 1 ] = l2 [ 1 ]) ∩ ( l1 [ 2 ] = l2 [ 2 ]) ∩ ?( l1 [ k - 2 ] = l2 [ k - 2 ]) ∩ ( l1 [ k - 1 ] =l2 [ k - 1 ])连接产生的结果项集是l1 [ 1 ] l1 [ 2 ]?l1 [ k - 1 ]2 [ k - 1 ]。 2．剪枝步 Ck 的成员可以是也可以不是频繁的,但所有的频繁k2项目集都包含在Ck中扫描数据库,确定Ck 中每个候选集计数(设置一个标志位Flag)。从而确定L k。 Apriori算法演示 1.事物数据表 2．Apriori算法图解 项集 支持度计数 1 6 2 7 3 6 4 2 5 2 项集 支持度计数 1 6 2 7 3 6 4 2 5 2 项集 1，2 1，3 1，4 1，5 2，3 2，4 2，5 3，4 3，5 4，5 项集 支持度计数 1，2 4 1，3 4 1，4 1 1，5 2 2，3 4 2，4 2 2，5 2 3，4 0 3，5 1 4，5 0 项集 支持度计数 1，2 4 1，3 4 1，5 2 2，3 4 2，4 2 2，5 2 项集 1，2，3 1，2，5 项集 支持度计数 1，2，3 2 1，2，5 2 项集 支持度计数 1，2，3 2 1，2，5 2 Apriori算法核心代码 扫描数据库，对每个候选码进行计数 比较候选码支持度计数与最小支持度计数 产生下一步的项集，并进行剪枝 核心代码如下： 1.//得到的候选集 public class getLn { LinkedHashSet C1; //得到频繁1项集 public LinkedHashSetString getSources(){ C1 = new LinkedHashSet(); LinkedHashSetString hashSet=new LinkedHashSetString(); //从数据库中得到值 String sql=select * from datasourse ; //事务解析排序 while(rs.next()) { strings = rs.getString(list).split(,); ……………………………………………………………… ｝ //获得支持度计数 public int getSupcount(String item) { //把1,2解析成 %1%2%形式，以便在数据库中计算支持度计数……………………………………………………………………………… } } //得到Ln集合 public LinkedHashMapString, Integer gettingLn(LinkedHashSet Ck2,int min_support) { LinkedHashMapString, Integer Ln = new LinkedHashMapString, //扫描数据库，若支持度大于最小支持度，则存入Ln中 if (sup_count = min_support) Ln.put(temp[i], sup_count); 筛选 //把Linkedhashset中的项合并成list中的一个元素，即把 1 2 变成2,1public c