- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数据挖掘实验报告-关联规则挖掘
数据挖掘实验报告(二)
关联规则挖掘
姓名:李圣杰
班级:计算机1304
学号:1311610602
一、实验目的
1. 掌握关联规则挖掘的Apriori算法;
将Apriori算法用具体的编程语言实现。
二、实验设备
PC一台,dev-c++5.11
三、实验内容
根据下列的Apriori算法进行编程:
四、实验步骤
1.编制程序。
2.调试程序。可采用下面的数据库D作为原始数据调试程序,得到的候选1项集、2项集、3项集分别为C1、C2、C3,得到的频繁1项集、2项集、3项集分别为L1、L2、L3。
代码
#include stdio.h
#includestring.h
#define D 4 //事务的个数
#define MinSupCount 2 //最小事务支持度数
void main()
{
char a[4][5]={
{A,C,D},
{B,C,E},
{A,B,C,E},
{B,E}
};
char b[20],d[100],t,b2[100][10],b21[100][10];
int i,j,k,x=0,flag=1,c[20]={0},x1=0,i1=0,j1,counter=0,c1[100]={0},flag1=1,j2,u=0,c2[100]={0},n[20],v=1;
int count[100],temp;
for(i=0;iD;i++)
{
for(j=0;a[i][j]!=\0;j++)
{
//用来判断之前保存的是否和a[i][j]一样,不一样就保存,一样就不保存
for(k=0;kx;k++)
{
if(b[k]!=a[i][j]) ;
else
{
flag=0;break;
}
}
//用来判断是否相等
if(flag==1)
{
b[x]=a[i][j];
x++;
}
else flag=1;
}
}
//计算筛选出的元素的支持度计数
for(i=0;iD;i++)
{
for(j=0;a[i][j]!=\0;j++)
{
for(k=0;kx;k++)
{
if(a[i][j]==b[k])
{
c[k]++;break;
}
}
}
}
//对选出的项集进行筛选,选出支持度计数大于等于2的,并且保存到d[x1]数组中
for(k=0;kx;k++)
{
if(c[k]=MinSupCount)
{
d[x1]=b[k];
count[x1]=c[k];
x1++;
}
}
//对选出的项集中的元素进行排序
for(i=0;ix1-1;i++)
{
for(j=0;jx1-i-1;j++)
{
if(d[j]d[j+1])
{
t=d[j];d[j]=d[j+1];d[j+1]=t;
temp=count[j];count[j]=count[j+1];count[j+1]=temp;
}
}
}
//打印出L1
printf(L1 elements are:\n);
for(i=0;ix1;i++)
{
printf({%c} = %d \n,d[i],count[i]);
}
//计算每一行的元素个数,并且保存到n[]数组中
for(i=0;iD;i++)
文档评论(0)