经典决策树算法.docVIP

Algorithm Apriori（T） 1、 //对事务集T进行第一轮搜索 2、//n是T中事务的数目 3、 //随后的各轮搜索 4、 //此函数会在后面给出 5、 //对所有事务扫描一遍 6、 7、 8、 c.count ++; 9、 endfor 10、 endfor 11、 12、endfor 13、 Function candidate-gen() 1、 //初始化候选项集集合 2、 // 找出所有的“只有最后一项不同”的 3、 4、 5、 //根据字典排序将和合并 6、 7、 //将新项集c加入中 8、 9、 //如果存在c的（k-1）-子集不是频繁项目集 10、 //则将c从删除 11、 endfor 12、engfor 13、return ；//返回生成的 例子：事务 ：牛肉、鸡肉、牛奶 ：牛肉、奶酪 ：奶酪、靴子 ：牛肉、鸡肉、奶酪 ：牛肉、鸡肉、衣服、奶酪、牛奶 ：鸡肉、衣服、牛奶 ：鸡肉、牛奶、衣服 以上程序中minsup表示最小支持度，支持度=该事务在中出现的总数目/事务总数目 例如：牛肉在事务中总共出现了4次，牛肉的支持度=4/7，如若设定minsup=30%，则牛肉的支持度大于minsup，牛肉是一个频繁项目。 以此例则程序的执行过程为： ={{牛肉}4，{奶酪}4，{靴子}1，{鸡肉}4，{衣服}3，{牛奶}4} 若设定minsup=30% 取中满足条件的项目， ：{{牛肉}4，{奶酪}4，{鸡肉}4，{衣服}3，{牛奶}4} 这是中元素的组合， ：{{牛肉，奶酪}，{牛肉，鸡肉}，{牛肉，衣服}，{牛肉，牛奶}，{奶酪，鸡肉}，{奶酪，衣服}，{奶酪，牛奶}，{鸡肉，衣服}，{鸡肉，牛奶}，{衣服，牛奶}} 是选取中满足上述条件的项目 ：{{牛肉，奶酪}3，{牛肉，鸡肉}3，{鸡肉，衣服}3，{鸡肉，牛奶}4，{衣服，牛奶}3} ：{鸡肉，衣服，牛奶} 注：{牛肉，奶酪，鸡肉}也在这步生成，但是{奶酪，鸡肉}不在中，故被删除了 ：{鸡肉，衣服，牛奶}3 这便是最后的结果