Apriori算法例子分析和总结.docxVIP

Apriori 算法例子 Apriori 算法例子 算法 integerstringeach 数据库 c Apriori 介绍 Apriori 算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k 项集用于探索(k+1)项集。首先，通过扫描事务（交易）记录，找出所有的频繁 1 项集，该集合记做 L1， 然后利用 L1 找频繁 2 项集的集合 L2，L2 找 L3，如此下去， 直到不能再找到任何频繁 k 项集。最后再在所有的频繁集中找出强规则，即产生用户感兴趣的关联规则。 其中，Apriori 算法具有这样一条性质：任一频繁项集的所有非空子集也必须是频繁的。因为假如 P(I)lt; 最小支持度阈值，当有元素 A 添加到 I 中时，结果项集（A∩I）不可能比 I 出现次数更多。因此 A∩I 也不是频繁的。 连接步和剪枝步 在上述的关联规则挖掘过程的两个步骤中，第一步往往是总 体性能的瓶颈。Apriori 算法采用连接步和剪枝步两种方式来找出所有的频繁项集。 连接步 为找出 Lk（所有的频繁 k 项集的集合），通过将 Lk-1（所有的频繁k-1 项集的集合）与自身连接产生候选k 项集的集合。候选集合记作 Ck。设 l1 和 l2 是 Lk-1 中的成员。记 li[j]表示li 中的第j 项。假设 Apriori 算法对事务或项集中的项按字典次序排序，即对于（k-1）项集 li， li[1]lt;li[2]lt;……….lt;li[k-1]。将 Lk-1 与自身连接，如果(l1[1]=l2[1])amp;amp;( l1[2]=l2[2])amp;amp;… a mp;amp; (l1[k-2]=l2[k-2])amp;amp;(l1[k-1]lt;l2[k-1])， 那认为 l1 和 l2 是可连接。连接 l1 和 l2 产生的结果是 {l1[1],l1[2],……,l1[k-1],l2[k-1]}。 剪枝步 CK 是 LK 的超集，也就是说，CK 的成员可能是也可能不是频繁的。通过扫描所有的事务（交易），确定 CK 中每个候选的计数，判断是否小于最小支持度计数，如果不是，则认为该候选是频繁的。为了压缩 Ck,可以利用 Apriori 性质：任一频繁项集的所有非空子集也必须是频繁的，反之，如果某个候选的非空子集不是频繁的，那么该候选肯定不是频繁的， 从而可以将其从 CK 中删除。 （Tip：为什么要压缩 CK 呢？因为实际情况下事务记录往往是保存在外存储上，比如数据库或者其他格式的文件上，在 每次计算候选计数时都需要将候选与所有事务进行比对，众 所周知，访问外存的效率往往都比较低，因此 Apriori 加入了 所谓的剪枝步，事先对候选集进行过滤，以减少访问外存的 次数。） Apriori 算法实例交易 ID 商品 ID 列表 T100 I1，I2，I5 T200 I2，I4 T300 I2，I3 T400 I1，I2，I4 T500 I1，I3 T600 I2，I3 T700 I1，I3 T800 I1，I2，I3，I5 T900 I1，I2，I3