Apriori算法实验报告材料.doc

实用标准文案 文档大全 题 目 Apriori算法实现 学生姓名 学生学号 专业班级 指导教师 2014-12-27 实验一 Apriori算法实现 实验目的 加强对Apriori算法的理解； 锻炼分析问题、解决问题并动手实践的能力。 实验要求 使用一种你熟悉的程序设计语言，如C++或Java，实现Apriori算法，至少在两种不同的数据集上比较算法的性能。 实验环境 Win7 旗舰版 + Visual Studio 2010 语言：C++ 算法描述 Apriori算法说明 在Apriori算法中，寻找频繁项集的基本思想是： 简单统计所有含一个元素项目集出现的频率，找出不小于最小支持度的项目集, 即频繁项集； 从第二步开始，循环处理直到再没有最大项目集生成。循环过程是: 第k步中, 根据第k-1步生成的频繁(k-1)项集产生侯选k项集。根据候选k项集，算出候选k项集支持度，并与最小支持度比较, 找到频繁k项集。 下文中遇到的以下符号,分别代表相应的内容 k-itemset　k项集 Lk　　　　频繁k项集 Ck　　　　侯选k项集 Apriori算法描述 数据结构说明 double minsup; //设置最小支持度 mapstring,int items_count; //统计各个项集的数目 vectorvectorstring datavec; //原始数据项集 vectorvectorstring candidatevec; //候选项集 vectorvectorstring frequentvec; //频繁项集 ofstream outFile; int round=1; //生成项集轮次 long trancount=0; //原始事务总数 //判断某个项目在某一个事务中是否存在，存在则值为1，反之为0 vectormapstring,bool bitmap; Apriori算法的第一步是简单统计所有含一个元素的项集出现的频率，来决定频繁1项集。在第k步,分两个阶段：1，用函数genCanItemsetK，通过第(k-1)步中生成的频繁(k-1)项集来生成侯选k项集；2.计算侯选k项集的支持度，并找出频繁k项集。 Apriori算法描述如下 getOriData(); //获取原始数据集，并统计事务个数 genCanItemset1(); //产生输出候选1项集 genFreItemset1(); //产生频繁项集 if(!frequentvec.empty()) //根据频繁1项集，执行程序 { do { genCanItemsetK(); //生成并输出候选k项集 genFreItemsetK(); //计算并输出频繁k项集 }while(!frequentvec.empty()); //频繁项集不为空,则循环继续 } 其中，产生候选k项集函数genCanItemsetK中涉及两个重要函数，项集合并函数mergeItem和剪枝函数cutNotCanItemsetK。 函数方法说明 //获取原始数据集，并统计事务个数 void getOriData(); //合并生成新的候选项集 vectorstring mergeItem(vectorstring vect1,vectorstring vect2,int round); //判断项集item是否已经存在候选项集集合items中,存在则返回1 int isExist(vectorstring item,vectorvectorstring items); //产生并输出候选1项集 void genCanItemset1(); //产生并输出频繁1项集 void genFreItemset1(); //产生并输出候选k-项集（k=2） void genCanItemsetK(); //产生并输出频繁k-项集（k=2） void genFreItemsetK(); //剪枝：剪去合并后项集中含有非频繁项集中的项 void cutNotCanItemsetK(vectorstring item); 实验截图  程序运行界面 输出文件截图1 输出文件截图1 实验总结 做完这个实验，有如下收获： 同一数据集，最小支持度越小，那么产生的频繁项集维数越高，程序运行时间越长； 更加深刻理解了：频繁子集的任何子集一定是频繁的，子集频繁父亲一定频繁； Apriori也存在缺点：第一在每一步产生侯选项目集时循环产生的组合过多，没有排除不应该参与组合的元素；第二,每次计算项集的支持度时，开销会随着数据的增多而成几何级增长。 附 程序源码 main.cpp #include iostrea