Apriori算法与FP-tree算法的探讨.pdfVIP

第31卷第2期 淮北煤炭师范学院学报 (自然科学版) Vo1．31 No．2 2010年6月 JournalofHuaibeiCoalIndustryTeachersCollege(NaturalScience) Jun．2010 Apriori算法与FP-tree算法的探讨 况莉莉 (合肥工业大学计算机与信息学院，安徽 合肥 230009；淮jE职业技术学院计算机科学技术系，安徽 淮北 235000) 摘 要：在关联规则挖掘中，Apriori和FP．tree是两种最基本的算法．文章讨论这两种算法的基本思想、数据挖掘步骤、 优缺点并以具体的实例描述两种算法的实现过程．深入分析这两种算法为关联规则挖掘算法的扩展和改进奠定了基 础． 关键词：关联规则；Apriori算法；FP．tree算法；事务数据库；频繁项集 中图分类号：TP311 文献标识码：A 文章编号：1672—7177(2010)02—0044—06 l 引言 在大型数据库中，关联规则挖掘是最常见的数据挖掘任务之一．关联规则挖掘就是从大量数据中发现 项集之间的相关联系．Apriori算法和FP．tree算法是关联规则挖掘中最经典的两个算法，前者采用逐层搜索 的迭代策略，先产生候选集，再对候选集进行筛选，然后产生该层的频繁集；后者采取模式增长的递归策略， 不用产生侯选集，而是把事务数据库压缩到一棵只存储频繁项的树结构中．本文将深入地对这两种算法进 行探讨． 2 Apriori算法 Apriori算法是关联规则挖掘中最基本也是最常见的算法．它是由Agrawal等人于 1993年提出的一种最 有影响的挖掘布尔关联规则频繁项集的算法，主要用来在大型数据库上进行快速挖掘关联规则． 2．1Apriori算法基本思想 Apriori算法采用逐层迭代搜索方法，使用候选项集来找频繁项集．其基本思想是：首先找出所有频繁 1一项集的集合 厶，厶用于找频繁 2一项集的集合 ，而 用于找 厶，如此下去，直到不能找到频繁 k一项 集．并利用事先设定好的最小支持度阈值进行筛选，将小于最小支持度的候选项集删除，再进行下一次的合 并生成该层的频繁项集．经过筛选可减少候选项集数，从而加快关联规则挖掘的速度． 2．2 Apriori算法的挖掘 A 0 性质：频繁项集的所有非空子集也必须是频繁的． 2．2．1 候选项集的生成 Apriori算法使用了Apriori性质来产生候选项集．任何非频繁的(k一1)项集都不可能是频繁 k一项集的 子集．因此，如果一个候选 k一项集的(k一1)一子集不在 厶一-中，则该候选项集也不可能是频繁的，从而可 以从 中删除． 2．2．2 如何用 厶一找 厶? 主要是由[连接】(join)与[剪枝】(prune)两大步骤来实现． 连接 (join)： 将筛选后的候选 k一项集跟 厶一进行f合并]，产生下一个项集支持度．即为找 ，通过 一与自己合【 并】候选 k一项集的集合． 收稿 日期：2010—04—12 作者简介：况莉莉(1976一 )，女，安徽淮北人，讲师，硕士生，研究方向为数据挖掘 第2期 况莉莉：Apriori算法与FP-tree算法的探讨 45 剪枝 (prune)： 扫描事务数据库，计算 中每个候选项集支持度计数，将小于最小支持度阈值的候选项集进行 [删 除】，从而确定 厶． 2．3 基于Apdod算法的数据挖掘应用实例 2．3．1让我们看一个Apriori的具体例子．该例基于表 1即某图书馆图书借阅信息中5位读者借阅记录的 事务数据库D． 表 1 读者借阅事务数据 TID 项 ID的列表 T100 I1，13 T2OO I1，I3，I4