您的位置:首页 > 编程语言

Apriori算法详解之【二、伪代码和例子】

2016-06-28 23:10 435 查看
标签: Apriori算法例子伪代码


 分类:
 

数据挖掘

版权声明:本文为博主原创文章,未经博主允许不得转载。

上一篇文章中对Apriori算法进行了简单的描述(Apriori算法详解之【一、相关概念和核心步骤】http://blog.csdn.net/lizhengnanhua/article/details/9061755),现在用伪代码实现,及对经典例子进行描述(红兰PPT上之摘抄)。

一、Apriori算法伪代码实现:

[plain] view
plain copy

伪代码描述:  

 // 找出频繁 1 项集  

     L1 =find_frequent_1-itemsets(D);   

     For(k=2;Lk-1 !=null;k++){  

// 产生候选,并剪枝  

        Ck =apriori_gen(Lk-1 );   

// 扫描 D 进行候选计数  

        For each 事务t  in D{   

            Ct =subset(Ck,t); // 得到 t 的子集  

            For each 候选 c 属于 Ct  

                c.count++;  

        }  

        //返回候选项集中不小于最小支持度的项集  

        Lk ={c 属于 Ck | c.count>=min_sup}  

}  

Return L= 所有的频繁集;  

第一步:连接(join)  

Procedure apriori_gen (Lk-1 :frequent(k-1)-itemsets)  

      For each 项集 l1 属于 Lk-1  

         For each 项集 l2 属于 Lk-1  

            If( (l1 [1]=l2 [1])&&( l1 [2]=l2 [2])&& ……&& (l1 [k-2]=l2 [k-2])&&(l1 [k-1]<l2 [k-1]) )   

then{  

                    c = l1 连接 l2    // 连接步:产生候选  

                  //若k-1项集中已经存在子集c则进行剪枝  

                   if has_infrequent_subset(c, Lk-1 ) then  

                       delete c; // 剪枝步:删除非频繁候选  

                   else add c to Ck;  

                   }  

          Return Ck;  

第二步:剪枝(prune)   

 Procedure has_infrequent_sub (c:candidate k-itemset; Lk-1 :frequent(k-1)-itemsets)  

         For each (k-1)-subset s of c  

            If s 不属于 Lk-1 then  

               Return true;  

        Return false;  

二Apriori算法例子:



三、总结:

  ①Apriori算法的缺点:(1)由频繁k-1项集进行自连接生成的候选频繁k项集数量巨大。(2)在验证候选频繁k项集的时候需要对整个数据库进行扫描,非常耗时。

  ②网上提到的频集算法的几种优化方法:1. 基于划分的方法。2. 基于hash的方法。3. 基于采样的方法。4. 减少交易的个数。

   我重点看了“基于划分的方法”改进算法,现在简单介绍一下实现思想:

基于划分(partition)的算法,这个算法先把数据库从逻辑上分成几个互不相交的块,每次单独考虑一个分块并 对它生成所有的频集,然后把产生的频集合并,用来生成所有可能的频集,最后计算这些项集的支持度。

其中,partition算法要注意的是分片的大小选取,要保证每个分片可以被放入到内存。当每个分片产生频集后,再合并产生产生全局的候选k-项集。若在多个处理器分片,可以通过处理器之间共享一个杂凑树来产生频集。

   看这个图基本再对照伪代码,基本就可以看懂了~简单明了。
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签:  apriori