实现Apriori算法
时间: 2023-12-01 19:53:53 浏览: 52
Apriori算法是一种经典的关联规则挖掘算法,用于挖掘数据集中的频繁项集和关联规则。下面是Apriori算法的实现步骤:
1. 定义支持度和置信度的阈值,支持度表示项集出现的频率,置信度表示规则的可信程度。
2. 构建初始候选集C1,即每个项单独成为一个候选项集。
3. 根据C1和支持度阈值得到L1,即频繁1项集,其中每个项集的支持度大于等于支持度阈值。
4. 根据L1生成候选集C2,即由L1中的项集两两组合得到的二元组候选项集。
5. 根据C2和支持度阈值得到L2,即频繁2项集。
6. 根据L2生成候选集C3,即由L2中的项集两两组合得到的三元组候选项集。
7. 根据C3和支持度阈值得到L3,即频繁3项集。
8. 重复上述步骤,直到无法生成更多的候选项集。
9. 根据频繁项集L,生成关联规则,并计算置信度,保留置信度大于等于置信度阈值的规则。
下面是Apriori算法的Python实现代码:
```python
def loadDataSet():
# 加载数据集
return [[1,3,4],[2,3,5],[1,2,3,5],[2,5]]
def createC1(dataSet):
# 构建初始候选项集
C1 = []
for transaction in dataSet:
for item in transaction:
if not [item] in C1:
C1.append([item])
C1.sort()
return list(map(frozenset, C1))
def scanD(D, Ck, minSupport):
# 计算支持度
ssCnt = {}
for tid in D:
for can in Ck:
if can.issubset(tid):
if not can in ssCnt:
ssCnt[can] = 1
else:
ssCnt[can] += 1
numItems = float(len(D))
retList = []
supportData = {}
for key in ssCnt:
support = ssCnt[key] / numItems
if support >= minSupport:
retList.insert(0, key)
supportData[key] = support
return retList, supportData
def aprioriGen(Lk, k):
# 生成候选项集
retList = []
lenLk = len(Lk)
for i in range(lenLk):
for j in range(i+1, lenLk):
L1 = list(Lk[i])[:k-2]; L2 = list(Lk[j])[:k-2]
L1.sort(); L2.sort()
if L1 == L2:
retList.append(Lk[i] | Lk[j])
return retList
def apriori(dataSet, minSupport=0.5):
# Apriori算法主函数
C1 = createC1(dataSet)
D = list(map(set, dataSet))
L1, supportData = scanD(D, C1, minSupport)
L = [L1]
k = 2
while len(L[k-2]) > 0:
Ck = aprioriGen(L[k-2], k)
Lk, supK = scanD(D, Ck, minSupport)
supportData.update(supK)
L.append(Lk)
k += 1
return L, supportData
def generateRules(L, supportData, minConf=0.7):
# 生成关联规则
bigRuleList = []
for i in range(1, len(L)):
for freqSet in L[i]:
H1 = [frozenset([item]) for item in freqSet]
if i > 1:
rulesFromConseq(freqSet, H1, supportData, bigRuleList, minConf)
else:
calcConf(freqSet, H1, supportData, bigRuleList, minConf)
return bigRuleList
def calcConf(freqSet, H, supportData, brl, minConf=0.7):
# 计算置信度
prunedH = []
for conseq in H:
conf = supportData[freqSet] / supportData[freqSet-conseq]
if conf >= minConf:
print(freqSet-conseq, '-->', conseq, 'conf:', conf)
brl.append((freqSet-conseq, conseq, conf))
prunedH.append(conseq)
return prunedH
def rulesFromConseq(freqSet, H, supportData, brl, minConf=0.7):
# 生成候选规则集
m = len(H[0])
if len(freqSet) > (m + 1):
Hmp1 = aprioriGen(H, m+1)
Hmp1 = calcConf(freqSet, Hmp1, supportData, brl, minConf)
if len(Hmp1) > 1:
rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)
```
以上代码实现了Apriori算法的主要功能,可以在Python环境下直接运行。需要注意的是,由于Apriori算法的时间复杂度较高,对于大规模数据集可能需要较长时间的运行。