PHP实现Apriori算法——计算支持度

最新推荐文章于 2024-05-15 03:29:43 发布

山木枝

最新推荐文章于 2024-05-15 03:29:43 发布

阅读量1.4k

点赞数 1

分类专栏： PHP 数据挖掘文章标签： php 数据挖掘

本文链接：https://blog.csdn.net/intersting/article/details/61627761

版权

本文介绍了如何使用PHP实现Apriori算法，通过实例解释了Apriori定律，包括频繁项集的概念，并展示了算法的核心步骤：连接和剪枝。虽然只计算了支持度，但代码实现有助于深入理解该经典数据挖掘算法。

摘要由CSDN通过智能技术生成

Apriori算法是数据挖掘中十分经典的算法，在关联度的计算中会经常用到，通过实现来更好的理解Apriori算法。
Apriori定律
1：如果一个集合是频繁项集，则它的所有子集都是频繁项集。举例：假设一个集合{A,B}是频繁项集，即A、B同时出现在一条记录的次数大于等于最小支持度min_support，则它的子集{A},{B}出现次数必定大于等于min_support，即它的子集都是频繁项集。
2：如果一个集合不是频繁项集，则它的所有超集都不是频繁项集。举例：假设集合{A}不是频繁项集，即A出现的次数小于min_support，则它的任何超集如{A,B}出现的次数必定小于min_support，因此其超集必定也不是频繁项集。
只计算了频繁项集的支持度，置信度在后续实现。
该算法主要分为连接和剪枝两个步骤，都在函数getNextCandidate（）中，其中又有许多借助于PHP函数的关键步骤，如：判断子集是否是候选集，判断是否有重复项等等，具体参考代码。
代码如下：

<?php
include "readFile.php";

/**
 * *实现Apriori算法
 * @author tju_zyt@tju.edu.cn
 *
 */
class Apriori{
    
    public static $dCountMap = array(); //频繁集的记数表
    private static $MIN_SUP = 0.2; //最小支持度
    private static $MIN_CONF = 0.8; //最小置信度
    private static $confCount = array(); //置信度记录表
    private static $confItemset = array(); //满足支持度的集合

    /**
    * 算法的第一次迭代，对每个项出现次数计数
    * @param $data 存储数据的二维数组
    * @return $list 返回候选1项集
    */
    public function getFristCandiate($data){
    
        $count = array();
        for($i = 0; $i < sizeof($data); $i++){
            for($j = 0; $j < sizeof($data[$i]); $j++){
                if(!in_array($data[$i][$j], $count))
                    array_push($count, $data[$i][$j]);
            }
        }