发布时间 : 星期三 文章Apriori算法的思想及核心伪代码更新完毕开始阅读132766e2dd36a32d72758159
Apriori算法的思想及核心伪代码
找出频繁项集：
输入：事务数据库D；最小支持度阈值 输出：D中的频繁项集L 算法流程：
（1）L1=find_frequent_1_itemsets(D)； （2）For(k=2;Lk-1≠?;k++){
（3）Ck=aproiri_gen(Lk-1,min_sup)； //根据频繁（k-1）-项集产生候选k-项集
（4）For each transaction t∈D{ //扫描数据库，以确定每个候选项集的 支持度
（5）Ct=subset(Ck,t)； // 获得t所包含的候选项集 （6）For each candidate c∈ Ct （7）c.count++； （8）}
（9）Lk={c∈Ck? c.count≥min_sup} （10）}
（11）return L=∪kLk；
Procedure apriori_gen(Lk-1;min_sup) //连接（1～4步）和剪枝（5～7）函数算法
（1）for each itemset l?∈ Lk-1 （2）for each itemset l?∈ Lk-1
（3）if(l?[1]= l?[2]∧...∧( l?[k-2]= l?[k-2])∧ (l?[k-1] （4）c=l?⊕l?； //将两个项集连接一起 （5）if has_infrequent_subset(c,Lk-1)then （6）delete c； //出去不可能产生频繁项集的候选项集 （7）else add c to Ck； （8）} （9）return Ck； Procedure has_infrequent_subset(c,Lk-1) //非频繁子集的测试函数算法 （1）for each (k-1)-subset s of c （2）if s ?Lk-1 then （3）return TRUE； （4）return FALSE； 由频繁项集生成关联规则： 输入:频繁项集(Lk ), 最小支持度阀值(min_sup)和最小置信度阈值(min_ conf). 输出:强关联规则。 Procedure GenAssociationRule (Lk ,min_conf) Begin 1） for each frequent i_itemset li of Lk do { 对于Lk 集合中的每一个i_项集li 2） if li is not 1_itemset then { 若li 不是1_项集 3） SubItems =GenSubItemSet (Lk ); 按照项数递增方式生成Lk 的所有子集, 并入库 4） AR_gen =AssociationRule(Lk , min_conf); 产生强关联规则, 并入规则库 5） Show_AR =ShowAssociationRule (); 显示强关联规则 6 ） } 7 ） } End