python寻找频繁项集
时间: 2023-11-05 20:58:47 浏览: 62
Python中有一些开源的数据挖掘工具可用于发现频繁项集,如Apriori和FP-Growth算法。您可以使用Python中的一些库,如mlxtend和pyfpgrowth,来使用这些算法。这些库提供了一些函数,如apriori和find_frequent_patterns,可以直接用于频繁项集分析。
相关问题
使用FPgrowth寻找频繁项集
FP-growth算法是一种常用的频繁项集挖掘算法,可以高效地发现数据集中的频繁项集。下面是使用FP-growth算法寻找频繁项集的基本流程:
1. 构建FP树:FP树是一种基于前缀树的数据结构,用于存储数据集中的频繁项集,并且可以高效地挖掘频繁项集。FP树的节点包括节点名称、节点计数和指向父节点的指针。构建FP树的过程包括扫描数据集、统计每个项的出现次数、筛选出现次数不低于最小支持度的项并按照出现次数降序排序、构建FP树的根节点、遍历数据集,根据排序后的项集构建FP树的分支。
2. 挖掘频繁项集:从FP树中挖掘频繁项集的过程包括递归地进行条件模式基的构建、构建条件FP树、挖掘条件FP树中的频繁项集。具体过程如下:
- 构建条件模式基:对于FP树中的每个项,构建它的条件模式基,即包含该项的所有路径(除去该项之前的路径)。
- 构建条件FP树:对于条件模式基,按照出现次数降序排序,构建条件FP树。
- 挖掘条件FP树中的频繁项集:递归地进行上述过程,直到不能再构建出新的频繁项集为止。
3. 生成关联规则:根据频繁项集生成关联规则,并根据置信度进行筛选。
以上就是使用FP-growth算法寻找频繁项集的基本流程。具体实现可以使用Python中的mlxtend库或者自己编写代码实现。
使用FP-growth算法寻找频繁项集代码
以下是使用Python实现FP-growth算法寻找频繁项集的示例代码:
```python
class FPTreeNode:
def __init__(self, item, count, parent):
self.item = item
self.count = count
self.parent = parent
self.children = {}
self.nodeLink = None
def inc(self, count):
self.count += count
def disp(self, ind=1):
print(' ' * ind, self.item, ' ', self.count)
for child in self.children.values():
child.disp(ind + 1)
def createTree(dataSet, minSup=1):
headerTable = {}
for trans in dataSet:
for item in trans:
headerTable[item] = headerTable.get(item, 0) + dataSet[trans]
for k in list(headerTable.keys()):
if headerTable[k] < minSup:
del (headerTable[k])
freqItemSet = set(headerTable.keys())
if len(freqItemSet) == 0:
return None, None
for k in headerTable:
headerTable[k] = [headerTable[k], None]
retTree = FPTreeNode('Null Set', 1, None)
for tranSet, count in dataSet.items():
localD = {}
for item in tranSet:
if item in freqItemSet:
localD[item] = headerTable[item][0]
if len(localD) > 0:
orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)]
updateTree(orderedItems, retTree, headerTable, count)
return retTree, headerTable
def updateTree(items, inTree, headerTable, count):
if items[0] in inTree.children:
inTree.children[items[0]].inc(count)
else:
inTree.children[items[0]] = FPTreeNode(items[0], count, inTree)
if headerTable[items[0]][1] is None:
headerTable[items[0]][1] = inTree.children[items[0]]
else:
updateHeader(headerTable[items[0]][1], inTree.children[items[0]])
if len(items) > 1:
updateTree(items[1:], inTree.children[items[0]], headerTable, count)
def updateHeader(nodeToTest, targetNode):
while nodeToTest.nodeLink is not None:
nodeToTest = nodeToTest.nodeLink
nodeToTest.nodeLink = targetNode
def ascendTree(leafNode, prefixPath):
if leafNode.parent is not None:
prefixPath.append(leafNode.item)
ascendTree(leafNode.parent, prefixPath)
def findPrefixPath(basePat, treeNode):
condPats = {}
while treeNode is not None:
prefixPath = []
ascendTree(treeNode, prefixPath)
if len(prefixPath) > 1:
condPats[frozenset(prefixPath[1:])] = treeNode.count
treeNode = treeNode.nodeLink
return condPats
def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: p[1])]
for basePat in bigL:
newFreqSet = preFix.copy()
newFreqSet.add(basePat)
freqItemList.append(newFreqSet)
condPattBases = findPrefixPath(basePat, headerTable[basePat][1])
myCondTree, myHead = createTree(condPattBases, minSup)
if myHead is not None:
mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)
def loadSimpDat():
simpDat = [['r', 'z', 'h', 'j', 'p'],
['z', 'y', 'x', 'w', 'v', 'u', 't', 's'],
['z'],
['r', 'x', 'n', 'o', 's'],
['y', 'r', 'x', 'z', 'q', 't', 'p'],
['y', 'z', 'x', 'e', 'q', 's', 't', 'm']]
return simpDat
def createInitSet(dataSet):
retDict = {}
for trans in dataSet:
retDict[frozenset(trans)] = 1
return retDict
if __name__ == '__main__':
simpDat = loadSimpDat()
initSet = createInitSet(simpDat)
myFPtree, myHeaderTab = createTree(initSet, 3)
freqItems = []
mineTree(myFPtree, myHeaderTab, 3, set([]), freqItems)
print(freqItems)
```
这段代码首先定义了`FPTreeNode`类,表示FP树的节点。`createTree`函数用于创建FP树,它首先统计每个项在所有事务中出现的频率,然后删除不满足最小支持度的项,最后以每个事务中的项作为键,频率作为值,构建FP树。`updateTree`函数用于向FP树中插入新事务。`updateHeader`函数用于更新每个项的链表,方便后续查找。`ascendTree`函数用于回溯FP树,生成条件模式基。`findPrefixPath`函数用于查找指定项的条件模式基。`mineTree`函数用于递归地挖掘FP树,生成频繁项集。`loadSimpDat`函数用于加载测试数据,`createInitSet`函数用于将数据集转换为字典格式。在主程序中,我们使用测试数据集构建FP树,并使用`mineTree`函数挖掘频繁项集。