apriri算法报告.docVIP

实验设计报告 课程名称__1:据挖掘 题目名称apriori算法实验报告 学生学院管理学院 专业班级10信息管理与信息系统（4） 学号与姓名3210004981范美红 3210004982 黄嘉贤 3210004983 黎玉莲 3210004984 梁茹 指导教师.3210004985 林嘉欣 指导教师. 刘国胜 2013 年 05 月 04日 apriori算法实验报告 一、 实验目的 通过实验，加深数据挖掘中一个重耍方法——关联分析的认识，其经典算法为Apriori 算法，了解影响Apriori算法性能的因素，掌握基于Apriori算法理论的关联分析的原理和 方法。 二、 实验内容 对一?数拋集用Apriori算法做关联分析，用mat 1 ab实现。 三、 方法手段 关联规则挖掘的一个典型例了是购物篮分析，因为该问题源于研究顾客事务数据库，以 确定购买商品之叫的相关性。条码技术的进少使得零ft商们可以收集和存储人W:销饩数裾。 这些数椐被称为购物篮数裾。关联规则挖掘可以在包含这些数裾项的人型集中发现有趣的关 联和相关联系。关联规则展示在给定数据集中频繁一起出现的属性值条件。 关联规则是描述数据库中数据项之间存在的潜在关系的规则，形式为 4八A2 A…A 4,孕A 52 A…A久，艽中A,. （/ = 1，2…，Z），（./ = 1，2...，A2）是数裾库中的数裾项. 数据项之间的关联规则即根据-?个事务中某些项的出现,可推导出另一些项在同一事务中也 出现。 四、 Apriori算法 Apriori算法是发现关联规则领域的经典算法。该兑法将发现关联规则的过程分为两个 步骤：第一步通过迭代，检索岀事务数据痄中的所有频繁项集，即支持度不低于用户设定的 阈位的项集；第二少利用频繁项集构造出满足用户最小信任度的规则。 具体做法就足：首先找出频繁1-项集，记为L1;然f?利用1。来产生候选项集C2,对C2 屮的项进行判定挖掘岀L2,即频繁2-项集；不断如此循环下去直到无法发现更多的频繁k- 项集为止。每挖掘一层U就需要扫描整个数据库一遍。 五、 实验结果 test, txt格式及内祚如下： 实验结果如T: 六、实验总结 Apriori算法可以很宥效地找出数据集屮存在的关联规则且能找出最人项的关联规则， 但从以上的算法执行过程可以看到Apriori算法的缺点： 第一，在每一步产生侯选项R集时循环产生的组合过多，没冇排除不应该参与组合的元 素；第二,每次汁算项集的支持度时，都对数裾库D屮的全部记录进行了一遍扫描比较，如 果是?一个大型的数据库的话，这种扫描比较会大大增加计算机系统的V0开销。而这种代价 是随着数据库的id录的增加呈现岀几何级数的增加。因此人们开始寻求-?种能减少这种系统 1/0开销的更为快捷的算法。 七、实验程序 aprioriOl.m function yO = aprioriOl ( xO,pre，sup,conf,gain) %APR1ORI Summary of this function goes here %arg xO:元数抛 %argprc： Ln-I的候选项染 %arg sup：支持度，整型 %arg conf：罝信度， %arg gain：频繁候选项集数组，y()诚/17的返回悄 [in n|=sizc(xO); %当候选项粜为空时，也利川元数裾排列出第一个候选项粜，需要-川到的方法 if isempty(pre) pre=eye(n); end [c d|=sizc(prc); %对候选项粜进行支持度统计 num=zcros(c, 1); %迷立统H?的数姐，为c彳列，姆一彳j?对应好一个候选项集的统U?数 for i=l:c count=0; forj=l:m %统[1?方法：候选项级减去元数据的每一行，如果是乜含在元数据屮，则all函数会等于1 temp = xO(j，:)-pre(i，:)； i f(all(temp=O)=l) count=count+1; end end %对每一个候选项集进行统汁 num(i)=count; %由领繁项集推出F—候选项集 ncxt=|]; for k= 1:c if(num(k)=sup) %支持度判定 gain=[gain;pre(k,:)]; %先将.Jt一候选项集中符合支持度的加入gain候选项集数组 for l=k+l：c if(num(l)=sup) %x1和x2可以连接的条件 if(sum(abs(pre(l,:)-pre(kj)))==2) temp=pre(t:)+pre(k/); %这甩对于ZJ?:成的K-?候选项集进行数值处理，把加完之后大于1的全部变为1,方便后续计算 |a b|=size(temp); for h=l:b if(t