package apriori;
import java.util.*;
import java.io.*;
public class Aprioti {
public static int K_Item=3;//产生的频繁项集数,但其实在我这里不是真正的项集数,只是迭代的次数,在[beer,Ham][cola,diaper]这种情况下会产生频繁4项集!!
//只要修改一下就可以,但是我觉得这样也好所以就没有修改
public static double min_support_count =2;//最小支持度计数值
public static String path="F:\\FirstGit\\apriori\\";
public static List<Itemset>AllItemSet = new ArrayList<Itemset>();
public static Itemset originalItem = new Itemset();
public static void main(String [] args)
{
aprioriProcess();
}
public static void aprioriProcess()
{
readItemFromText(path,originalItem);//读取硬盘上的数据集
Itemset firstItemSet =new Itemset();
gen_first_item_set(firstItemSet);//首先生成频繁1项集
int K =K_Item;
Itemset forwordItemSet =firstItemSet;
delete_blew_support_count(forwordItemSet);//去除低于最小支持度计数的项集
AllItemSet.add(firstItemSet);//将所有的频繁项集保存起来
while(K--!=0)
{
Itemset backwordItemSet =new Itemset();
apriori_gen(forwordItemSet,backwordItemSet);//根据频繁K-1项集生成频繁K项集
delete_blew_support_count(backwordItemSet);//去除小于支持度计数的项集
AllItemSet.add(backwordItemSet);
forwordItemSet=backwordItemSet;//将指针指向频繁K-1项集
}
printResult();//输出结果
}
public static void printResult()
{
for(int i=0;i<AllItemSet.size();i++)
{
Itemset itemset = AllItemSet.get(i);
for(TreeSet<String> everyItem : itemset.itemset)
{
System.out.println(everyItem.toString());
}
}
}
/*
* 不可以一边遍历一边删除集合中的数据,这样会让你的集合遍历不完整或者越界!
*/
public static void delete_blew_support_count(Itemset itemset)
{
/*
* 在这里可以用迭代器iterator也可以用size()的形式来,
* 其中用iterator会遍历的时候不可以删除元素
* 用size可以删除元素,但是最后的n(n是中途被删除的个数)个元素就没有遍历到!!!!
*/
ArrayList<Integer> deleteSetNum= new ArrayList<Integer>();
for(int i=0;i<itemset.itemset.size();i++)
{
double suppoutCount=0;
TreeSet<String> item = itemset.itemset.get(i);
boolean isPinfan=false;
for(TreeSet<String> oriItem : originalItem.itemset)
{
if(contain(oriItem,item))
suppoutCount++;
if(suppoutCount>=min_support_count)
{
isPinfan=true;
break;
}
}
if(!isPinfan)
deleteSetNum.add(i);
}
for(int j=deleteSetNum.size()-1;j>=0;j--)
{
//System.out.println(deleteSetNum.get(j));
itemset.itemset.remove((int)deleteSetNum.get(j));
}
/*
* 下面这种做法由于remove
* 的时候会改变集合的大小,所以不可以从头开始remove只可以从后面remove
* 这样就保证不会越界
*/
// for(int i :deleteSetNum)
// {
// System.out.println(i);
// itemset.itemset.remove(i);
// }
}
//产生1项集
public static void gen_first_item_set(Itemset firstItemSet)
{
TreeSet<String> itemset = new TreeSet<String>();
for(TreeSet<String> per_ori_item : originalItem.itemset)
{
for(String item : per_ori_item)
{
itemset.add(item);
}
}
for(String word : itemset)
{
TreeSet<String> everyitemset = new TreeSet<String>();
everyitemset.add(word);
firstItemSet.itemset.add(everyitemset);
}
}
/*
* 根据K-1项频繁产生频繁K项项集
*/
public static void apriori_gen(Itemset one_item,Itemset second_item)
{
for(int i=0;i<one_item.itemset.size();i++)
{
for(int j=i+1;j<one_item.itemset.size();j++)
{
TreeSet<String> newItem=new TreeSet<String>();
for(String peritem: one_item.itemset.get(i))
{
newItem.add(peritem);
}
for(String peritem: one_item.itemset.get(j))
{
newItem.add(peritem);
}
//如果没有非频繁K-1项集,加入k项集
if(!has_infrequent_subset(newItem,one_item))
{
if(!find_in_already_set(newItem,second_item))//并且项集没有在之前出现
second_item.itemset.add(newItem);
}
}
}
}
public static boolean find_in_already_set(TreeSet<String> newItem,Itemset second_item)
{
for(int i=0;i<second_item.itemset.size();i++)
{
if(newItem.equals(second_item.itemset.get(i)))//记住,TreeSet也可以用equals,这个函数真是好用,不过有时候效率低
return true;
}
return false;
}
public static boolean has_infrequent_subset(TreeSet<String> newitem,Itemset one_item1)//这里写错了!
{
for(TreeSet<String> k_1_item : one_item1.itemset)
{
if(!contain(newitem,k_1_item))
return false;
}
return true;
}
public static boolean contain(TreeSet<String> big,TreeSet<String>small)
{
for(String smallWord : small)
{
if(!big.contains(smallWord))
return false;
}
return true;
}
public static void readItemFromText(String path,Itemset originalItem)
{
File file =new File(path);
if(file.isDirectory())
{
String [] filelist = file.list();
for(int i =0;i<filelist.length;i++)
{
try {
BufferedReader br = new BufferedReader(new FileReader(new File(path+filelist[i])));
String line =null;
while((line = br.readLine())!=null)
{
String [] lineword = line.split("[^\\S]+");
TreeSet<String> itemset = new TreeSet<String>();
for(String word : lineword)
{
itemset.add(word);
}
originalItem.itemset.add(itemset);
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
}
上面代码中用到的Itemset,由于不想老是写那么长的代码,所以就将其封装为一个类
package apriori;
import java.util.*;
public class Itemset {
public ArrayList<TreeSet<String>> itemset = new ArrayList<TreeSet<String>>();
}
输入的数据集如下:
Cola Egg Ham
Cola Diaper Beer
Cola Diaper Beer Ham
Diaper Beer
输出结果如下:
[Beer]
[Cola]
[Diaper]
[Ham]
[Beer, Cola]
[Beer, Diaper]
[Cola, Diaper]
[Cola, Ham]
[Beer, Cola, Diaper]
其实还有两个地方没有改正,不过对于入门的同学应该可以看看,求指正批评!!