关联规则实验报告.pdfVIP

Apriori算法的设计与实现

1，实验要求

（1）频繁项目集的计算

根据题目给定的原始事务记录和最小支持度，通过迭代的方法求出各项频繁项目集。

（2）关联规则的产生

根据（1）中求得频繁项目集和给定的最小可信度，求出相关的关联规则。

2.1Apriori算法的原理

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。很多的的挖掘算法

是在Apriori算法的基础上进行改进的，比如基于散列（Hash）的方法，基于数据分割

（Partition）的方法以及不产生候选项集的FP-GROWTH方法等。因此要了解关联规则算法

不得不先要了解Apriori算法。

Apriori算法使用一种称作逐层迭代的候选产生测试（candidategenerationandtest）的方

法，k-项目集用于探索（k+1）-项目集。首先，找出频繁1-项目集的集合，该集合记作L。

L用于找频繁2-向募集到集合L，而L用于找L，如此下去，直到不能找到频繁k-项目

集。找每一个L均需要一次数据库的扫描。

Apriori性质：频繁项集的所有非空子集必须也是频繁的。Apriori性质基于如下观察：

根据定义，如果项集I不满足最小支持度阈值，则I不是频繁的，即support(I)＜min-sup。

如果项A添加到I，则结果项集（即IUA）不可能比I更频繁出现。因此，IUA也不是频繁

的，即support(IUA)＜min-sup。

算法应用Apriori性质以LK-1来找LK，这一过程由连接和剪枝组成。

C：Candidateitemsetofsizek，即k-候选项目集。

L：frequentitemsetofsizek，即k-频繁项目集。

1、连接步：为找L，通过L与自己连接产生候选k-项集的集合。该候选项集记作C。

设和是L中的项集。记[j]表示的第j项（例如，[k-2]表示的倒数第3项）。为方便计，

假定事务或项集中的项按字典次序排列。执行LK-1与自身连接，其中，LK-1的元素是可

连接的，如果（[1]=[1]）∧（[2]=[2]）∧…∧（[k-2]=[k-2]）∧（[k-1]＜[k-1]）。条

件（[k-1]＜[k-1]）是简单地保证不产生重复。连接和产生的结果项集是[1][2]…[k-1]

[k-1]。

2、剪枝步：C是L的超集，即是，它的成员可以是频繁的也可以是不频繁的，但所有

的频繁k-项集都包含在C中。扫描数据库，确定C中每个候选的计数，从而确定L（即

根据定义，计数值不小于最小支持度计数的所有候选是频繁的，从而属于L）。然而C可

能很大，这样所涉及的计算量就会很大。为压缩C，可以用一下办法使用Apriori性质：任

何非频繁的（k-1）－项集都不可能是频繁k-项集的子集。因此，如果一个候选k-项集的（k-1）

子集不在L中，则该候选也不可能是频繁的，从而可以由C中删除。这种子集测试可以使

用所有频繁项集的散列树快速完成。

算法首先扫描数据库，各数据项每出现一次，计数一次。由每个数据项的计数值可以算

出其支持度。支持度超过阈值的1-itemset即为频繁1-itemset。产生所有单项频繁数据项集

的集合L。从L出发，可以循环计算二项频繁项集L、三项频繁项集L、…L、…。直

到有某个r值使得L为空，这时算法停止。这里在第k次循环中，即：从L计算L时，先

用apriori_gen()函数从L生成候选的k