数据挖掘Apriori算法报告

1、数据挖掘Apriori算法报告1 .相关算法的概要关联规则的目的是发现数据集内的项目之间的关系，所以也称为购物蓝分析(market basketanalysis )。 例如，购买鞋子的客户有10%的可能性买袜子，买面包的客户有60%的可能性买牛奶。 其中最有名的例子是“尿布和啤酒”。 适用关联规则的情况。 在商业销售中，将关联规则用于交叉销售，可以获得更大的收入。在保险业务中，如果出现了很少看到的索赔组合，有可能是欺诈，需要进一步调查。 在医疗方面，能找到可能的治疗组合的银行，可以分析顾客，推荐感兴趣的服务等。 Apriori algorithm是关联规则的基本算法。 Rakesh Agraw

2、al于1994年提交的详细介绍请给这里Fast Algorithms for Mining Association Rules带来冲击。2 .相关算法的基本原理该算法的基本思想首先找到所有频率集，这些项集的出现频率至少与预定义的最小支持度相同。 接下来，从频率集合生成强关联规则，这些规则必须满足最小支撑度和最小可靠度。 然后，使用步骤1中发现的频率集来产生所希望的规则，产生仅包含集合的项的所有规则，其中，在各规则的右部只有一个项，在此采用了中央规则的定义。 一旦生成这些规则，只保留比用户所赋予的最小可靠度大的规则。 为了生成所有频率集，使用了递归的方法。(1) L1=find _ freque

3、nt _1- itemsets (d )/频繁地挖掘1-项集，所以比较简单(2)for (k=2； Lk-1 ； 开设k )(3)调用3)Ck=apriori_gen(Lk-1，min_sup) apriori_gen方法，频繁地生成k-项集的候选项(4)for each transaction t D /事务数据库d的扫描(5)Ct=subset(Ck，t )(6)for each candidate c Ct(7)c.count /统计候补频繁的k-项目集的数量(8)(9)满足lk= c-CK|c.countmin _ sup /最小支持度的k项目组合是频繁的k项目组合(10) (11 )

4、返回l=MMMK； /合并频繁的k-项目集(k0 )3 .相关算法的c简单实现(1)算法数据：使用Apriori算法挖掘指定的数据集，并找到其中频繁的数据集以生成关联规则。 挖掘下一个数据集。I1 I2 I5I1 I2I2 I4I1 I2 I4I1 I3I1 I2 I3 I5I1 I2 I3I2 I5I2 I3 I4I3 I4对于数据集，选择最小支持度minsup=2，最小可靠性minconf=0.8。(2)算法步骤：首先扫描数据集，计算各项目的支撑度，根据给出的最小支撑度明值，得到频繁收集的L1。然后通过连接运算，得到两个候补集，对各候补集再次扫描数据集，得到各候补集的支持度，与最小支持度进

5、行比较。 得到两个频繁的集合L2。这样做，直到新的候补组合产生为止。对所有发现的频繁集合，使用规则提取算法进行相关规则的提取。(3)C算法的简单实现首先，在项目名文件夹中独立定义date.txt文档的存储数据，在main函数中使用FILE* fp=fopen(date.txt ， r )将数据导入算法中。int countL110； 找到各维频繁子集的出现次数。char curL1202； 实现出现的一维子集。因为给定的数据最多有4个，所以同样在四维中定义并传播数据。int countL210； /各二维频繁子集出现的次数char curL2203； /出现的二维子集int countL310

6、； /各三维频繁子集化的次数char curL3204； /出现的三维子集char cur504；通过定义int SizeStr(char* m )而获得的字符串的长度。 实现代码如下int SizeStr(char* m )举止int i=0；while(*(m i )！=0)举止I；以下返回I；以下比较两个字符串，如果相等则返回true，否则返回false布尔OPD (char * x，char* y )举止int i=0；if(SizeStr(x)=SizeStr(y ) )举止while(*(x i)=*(y i ) )举止I；if(*(x i)=0 *(y i)=0)返回真；以下以下

7、返回假；以下从void LoadItemL1(char *p )中获得所有的一元字符串和各自的出现次数void LoadItemL1(char *p )举止int i，j，n=0，k=0；char ch；char* s；PS；memset(cur，0，sizeof(cur ) )；for(i=0； i20； PS )举止curL1i0=0；curL1i1=0；以下for(j=0； j10； j )countL1j=0；for(i=0； i10； PS )for(j=0； j4； j )举止ch=*(*(p i) j )PK (PK=0)break；curn0=ch；n；以下curl10=cur

8、 0；curL101=cur01；k=0；for(i=0； i50； PS )举止PS (PS I =0)break；s=curi；f=1；for(j=0； j=k； j )举止PS (PR (s，curL1j ) )举止f=0；break；以下以下if(f=1)举止k；curL1k0=curi0；curL1k1=curi1；以下以下for(i=0； i20； PS )for(j=0； j50； j )举止char* m；m=curL1i；if(*m=0)break；PS (PS (m，curj ) )countL1i；以下printf(L1: n )；printf (项目集的支持度数n )；

9、for(i=0； i10； PS )举止PS (X1 I =0)break；PS (计数L1 I =2)打印机( I % s : % dn ，curL1i，计数L1 I )；以下以下用void SubItem2(char *p )得到所有的二维部分列void SubItem2(char *p )举止PS、j、k、n=0；char* s；memset(cur，0，sizeof(cur ) )；for(i=0； i20； PS )举止curL2i0=0；curL2i1=0；curL2i2=0；以下for(i=0； i10； PS )计数L2 I =0；for(k=0； k10； k )举止s=*(p k )PS (PS (s )2)继续；for(i=0； i=2)打印( I % c，i%c:%dn ，curL2i0，curL2i1，countL2i )；以下以下通过定义void SubItem3(char *p )，获得所有三维子列void SubItem3(char *p )举止char *s；PS、j、h、m；int n=0；memset(cur，0，sizeof(cur ) )；for(j=0； j20； j )举止curL3j