Apriori算法频繁项集产生的R代码展示

以下是Apriori算法频繁项集生成的R代码示例：

# 定义Apriori算法函数
apriori <- function(transactions, support) {
  itemsets <- list()
  # 第一次扫描
  for (i in 1:length(transactions)) {
    for (j in 1:length(transactions[[i]])) {
      item <- transactions[[i]][[j]]
      if (!is.null(itemsets[[item]])) {
        itemsets[[item]] <- itemsets[[item]] + 1
      } else {
        itemsets[[item]] <- 1
      }
    }
  }
  # 只保留支持度超过阈值的项集
  itemsets <- itemsets[sapply(itemsets, function(x) x >= support)]
  # 一直迭代直到无法产生更多的频繁项集
  k <- 2
  while (length(itemsets) > 0) {
    itemsets <- generate_new_itemsets(itemsets, k)
    itemsets <- calculate_support(itemsets, transactions, support)
    itemsets <- itemsets[sapply(itemsets, function(x) x >= support)]
    k <- k + 1
  }
  return(itemsets)
}

# 定义生成新的项集函数
generate_new_itemsets <- function(itemsets, k) {
  new_itemsets <- list()
  itemset_list <- names(itemsets)
  # 两两组合产生新的项集
  for (i in 1:length(itemset_list)) {
    for (j in (i + 1):length(itemset_list)) {
      itemset1 <- strsplit(itemset_list[i], " ")[[1]]
      itemset2 <- strsplit(itemset_list[j], " ")[[1]]
      if (length(union(itemset1, itemset2)) == k) {
        new_itemset <- sort(union(itemset1, itemset2))
        new_itemsets[paste(new_itemset, collapse = " ")] <- 0
      }
    }
  }
  return(new_itemsets)
}

# 定义统计项集在事务中出现的次数函数
calculate_support <- function(itemsets, transactions, support) {
  for (i in 1:length(transactions)) {
    transaction <- transactions[[i]]
    for (j in 1:length(itemsets)) {
      itemset <- strsplit(names(itemsets)[j], " ")[[1]]
      if (all(itemset %in% transaction)) {
        itemsets[[j]] <- itemsets[[j]] + 1
      }
    }
  }
  return(itemsets)
}

# 调用Apriori算法函数生成频繁项集
transactions <- list(
  c("A", "B", "C", "D"),
  c("A", "B", "C"),
  c("A", "B"),
  c("A", "B", "D"),
  c("B", "C", "D"),
  c("B", "C"),
  c("C", "D")
)
support <- 3
apriori(transactions, support)

以上代码实现了Apriori算法，输入参数为数据集和支持度阈值，输出为所有频繁项集。具体实现过程与Python代码类似，首先对数据集进行第一次扫描，统计每个项出现的次数，只保留支持度超过阈值的项集；然后一直迭代直到无法产生更多的频繁项集，每次迭代生成新的项集并统计其出现的次数，再次筛选出支持度超过阈值的项集。最终输出所有频繁项集。