Apriori算法（矩阵）

陈老师Apriori算法整理（缺点：1.通用性不强，只解决3项集的问题未做推广2.算法程序为加上优化，封装、连接等操作3.置信度的计算不全，缺1->2 2->1等情况）

说明：支持度范围大于0小于1，因为分母是一样的，所以用支持度计数代表支持度

传统Apriori算法候选项集多（主要是二项集），且需要频繁扫描数据库。效率较低。现提出一种优化算法。通过一次扫描数据库生成上三角矩阵，通过此上三角矩阵直接生成频繁1项集、频繁2项集及候选3项集，避免了Apriori算法产生过多的候选2项集的问题，同时减少了频繁2项集自连接后进行剪枝的步骤；在第二次扫描数据库时，他只将数据库中对计算支持度产生作用且项数不小于3的项集形成链表，进而提高算法的执行效率。

具体步骤如下：

步骤一：扫描数据库，构造2项集的支持度矩阵M。

步骤二：根据最小支持度技术，遍历矩阵得到L1、L2与C3.

步骤一具体操作方法如下：在矩阵中，以集合I的项作为矩阵相应的行标和列标，矩阵中的某一元素Mij表示二项集{Ii,Ij}在事务数据库中出现的次数。扫描过程为：如果扫描到一条事务中包含有{Ii,Ij}二项集，则在矩阵中对应Mij位置的元素计数值加1，在扫描过程中依次对单项进行计数，将技术结果贴入主对角线对应的位置。

步骤二具体操作方法如下：读取矩阵M的主对角线数据并与支持度进行比较即可得到L1，遍历矩阵M的上三角数据并与支持度进行比较即可得到L2.从上到下逐行读取读取矩阵M的数据，首先找出第i行（i=1,2…，m）中不小于最小支持度计数的元素Mij;其次定位到第j行，如果Mij的值不小于最小支持度计数，那么寻找第j行中不小于最小支持度计数的元素Mij；最后再顺着第k列定位回到第i行，如果Mij的值也不小于最小支持度计数，那么则可以生成候选三项集{Ii,Ij,Ik}。根据上述步骤可知，只需扫描一次数据库就可以形成矩阵M，通过对矩阵遍历即可得到L1，L2和C3，避免了Apriori算法中产生大量候选2项集且不能剪枝的问题，也省略了L2自连接后的剪枝步骤。

然后根据以下两条性质确定最终的频繁3项集：

性质1：如果事务数据库中某事务的长度小于k,则由Lk-1生成Lk时，扫描该事务是对计算Ck中项集的计数不产生作用；

性质2：如果某项Ix属于I，但Ix不出现在Ck中，则在计算Lk时扫描Ix也是对计算候选项集的支持度不起作用。

根据以上两条性质，结合遍历矩阵找到的C3，寻找L3。

3.2举例说明

举例说明：最小支持度为2（>=2）

事务数据库D中的数据如下表所示：

ID	Product
1	L1
2	L2
3	L3
4	L4
5	L5

Trade_ID	Product_list(真正数据库中用商品的ID号也就是纯数字组成)
T001	L1,L2,L5
T002	L2,L4
T003	L2,L3
T004	L1,L2,L4
T005	L1,L3
T006	L2,L3
T007	L1,L3
T008	L1,L2,L3,L5
T009	L1,L2,L3

扫描数据库形成2项集支持度上三角矩阵M：

      

上三角矩阵M

扫描矩阵M并与最小支持度进行比较得L1,L2,C3

频繁1项集L1

项集

支持度计数