实验三、应用 Apriori 算法挖掘频繁项集

• 实验目的：

（1） 熟悉 VC++编程工具和 Apriori 频繁项集挖掘算法。

（2） 根据管理层的需求，确定数据挖掘的任务，明确数据挖掘的功能，也就是明确要挖掘什么。

（3） 由确定的数据挖掘任务，从实验一处理后的结果中，采用切块或切片等联机分析处理技术，选择出挖掘任务相关数据。

（4） 用 VC++编程工具编写 Apriori 算法的程序，对任务相关数据运行 Apriori 算法，挖掘出所有的频繁项集。

（5） 写出实验报告。

二、 实验原理：

1、 Apriori 算法

Apriori 使用一种称作逐层搜索的迭代方法，k 项集用于探索（k+1）项集。

首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁 1 项集的集合。该集合记作 L1。然后，L1 用于找频繁 2 项集的集合L2，L2 用于找 L3，如此下去，直到不能再找到频繁 k 项集。找每个 Lk 需要一次数据库全扫描。

2、 提高频繁项集逐层产生的效率

Apriori 性质：频繁项集的所有非空子集也必须是频繁的

三、 实验内容：

1、实验内容

在给定的数据中提取统一购物篮购买的商品信息，由这些数据构成事务数据

库D，挖掘其中的频繁项集 L。挖掘频繁项集的算法描述如下：

Apriori 算法：使用逐层迭代找出频繁项集

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。

1.挖掘频繁 1-项集

2.调用 apriori_gen 方法生成候选频繁

3.扫描事务数据库 D ，统计候选频繁 k-项集的计数，满足最小支持度的 k-项集即为频繁k-项集

4.合并频繁 k-项集（k>0）

算法在根据频繁 k-1 项集生成频繁 K 项集过程中要计算频繁 K 项集中每个元素的支持度，并计算 K 项集中每个 k-1 项子集是否在 Fk-1 中，上述两条任何一条不满足，则删去这个 K 项集中的元素。

2、实验步骤

1.打开试验用数据，读取出同一流水号的商品ID并取前5位，生成以行为单位生成事务数据集 transitions;

2. 生成频繁一项集

3.候选集产生算法

4.判断候选集的元素

1. 程序框图

四、 实验结果：

1.实验数据

  1）1019n.txt

2）1020n.txt

3）1021n.txt

2.处理结果

  1）创建事务数据库D

（new1.txt）

（new2.txt）

（new3.txt）

1. 挖掘频繁集项

（new1.txt）

（new2.txt）

（new3.txt）

程序由两组代码组成，一组代码负责生成事物数据库，另一组代码进行Apriori 算法挖掘运算，成功挖掘出频繁集

3. 实验结论

如果使用枚举的方法来寻找频繁集，那么工程量是巨大的，而Apriori算法基于先验性质，使用逐层搜索的迭代方法，利用k项集来探索k+1项集的方法来获取频繁集，大大减少了工作量，提高了运行效率。