关联分析——频繁项集的产生之Apriori算法

频繁项集的产生—Apriori算法

Apriori算法用于从数据集中提取频繁项集，以购物篮事务为例说明其过程：

提取频繁项集的过程如下：

Apriori算法的伪码如下：

Apriori算法的Python实现

给出数据集：

data = [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]]

提取1-项集

# 生成候选1-项集
def createC1(data):
    c1 = []
    for task in data:
        for item in task:
            if [item] not in c1:
                c1.append([item])
    # 排序是因为之后生产频繁k-项集是采用F(k-1)*F(k-1)方法
    c1.sort()
    # frozenset()返回一个冻结的集合，冻结后集合不能再添加或删除任何元素。
    return list(map(frozenset, c1))
# 候选1-项集的结果如下
c1 = createC1(data)
c1
[frozenset({
   1}),
 frozenset({
   2}),
 frozenset({
   3}),
 frozenset({
   4}),
 frozenset({
   5})]

提取频繁k-项集

基于支持度的剪枝原理可用下图表示：

其原理在于如果一个项集是频繁的，则它的所有子集一定也是频繁的。根据逆否命题可得：如果一个项集的某个子集是非频繁的，则该项集一定是非频繁的。

# 提取频繁k-项集
def scanData(data, C_k, minSupport):
    # 记录候选k-项集中项的支持度计数
    ssCnt = {
   }
    for task in data:
        for can in C_k:
            if can.issubset(task):
                ssCnt[can] = ssCnt.get(can, 0) + 1
    # 根据最小支持度计数提取频繁项集
    retlist = []
    F_k = {
   }
    for key in ssCnt:
        support = ssCnt[key] / len(data)
        if support >= minSupport:
            retlist.insert(0, key)
            F_k[key] = support
    
    return retlist, F_k

# F1_l记录频繁1-项集
# F_1记录频繁1-项集中各项集的支持度
F1_l, F_1 = scanData(data, c1, 0.5)
print(F1_l)
[frozenset({
   5}), frozenset({
   2}), fro