数据挖掘中的apriori算法的具体步骤是啥？

Posted 2023-05-08

参考技术A 算法：Apriori
输入：D - 事务数据库；min_sup - 最小支持度计数阈值
输出：L - D中的频繁项集
方法：
L1=find_frequent_1-itemsets(D); // 找出所有频繁1项集
For(k=2;Lk-1!=null;k++)
Ck=apriori_gen(Lk-1); // 产生候选，并剪枝
For each 事务t in D // 扫描D进行候选计数
Ct =subset(Ck,t); // 得到t的子集
For each 候选c 属于 Ct
c.count++;

Lk=c属于Ck | c.count>=min_sup

Return L=所有的频繁集；

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
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;

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;

Apriori 算法中的字典顺序

【中文标题】Apriori 算法中的字典顺序

【英文标题】：Lexicographical order in Apriori algorithm

【发布时间】：2013-12-05 16:04:35

【问题描述】：

我正在使用 Apriori 算法一段时间，我正在询问我在频繁项集的候选生成中的一个步骤。

如果我想将两个频繁的 3 项集连接到一个（候选）4 项集中，则连接项集中必须有 2 项相同而另一项不同。

比如我可以加入

Married: Yes, Age:20, Cars:1 and Married: Yes, Age:20, Unemployed: No

到

Married: Yes, Age:20, Cars:1, Unemployed: No

但有时我在 Apriori 算法中读到了这一步：

我可以加入两个频率。来自 L_k-1 的项目，当有按字典顺序排列的前 k-2 个项目相同而最后一个项目不同时。

但是当我从上面的词典排序我的项目集时，第一个 k-2 项目不会相同，所以我可能不会加入它们？！？

Age:20, Cars:1, Married: Yes and Age:20, Married: Yes Unemployed: No

希望我能把我的问题解释清楚！

感谢您的帮助！！

【参考方案1】：

是的，你不应该加入他们。

举个例子吧。

假设在第 3 级，您有频繁项集：

A, B, C 甲、乙、丁 A C, D B, C, D B, F, G

现在假设您要生成大小为 4 的候选项目集。

显然，您只想组合具有 1 个不同项目的项目集。否则，结果可能包含大小大于 4 的项集。例如，如果您可以组合 BCD 和 BFG，结果将是 BCDFG 大小为 5 的项集，这是我们不想要的。这就是为什么我们只组合具有一个不同项目的项目集的原因。

现在，让我解释一下为什么我们只组合具有前 k-1 个相同项的项集。原因是我们不想两次生成相同的候选。

例如，如果我们可以结合 BCD 和 ACD ，我们将得到 ABCD 。如果我们同时结合 ABC 和 ABD，我们也会得到 ABCD。这不好，因为我们会生成两次相同的候选！我们不希望这样！因此，通过按照字典顺序对项集进行排序，并且仅在前 k-1 个项相同时才合并，我们将避免这个问题。我们只会结合 ABC 和 ABD，但不会结合 BCD 和 ACD。你可以在 Apriori 论文中得到证明它有效的证据。

希望这会有所帮助。