数据挖掘-------Close算法（详细过程）

随着数据库容量的增大，重复访问数据库导致性能低下，为减少数据库的扫描次数以及候选集空间占用引入两个算法:

Close算法：

一、Close算法

Close算法的思想：

一个频繁闭合项目集的所有闭合子集一定是频繁的，一个非频繁项目集的所有闭合超集一定是非频繁的。

我的想法是这样的，给出例子的同时引出定理定义。

例：给出样本数据库。最小支持数为3.

TID	Itemset
1	A,B,C,D
2	B,C,E
3	A,B,C,E
4	B,D,E
5	A,B,C,D

下面对该表进行Close算法，如下

（1）计算候选1-项目集产生式的闭合以及支持数。

FCC1的产生式	闭合	支持数
{A}	{A，B，C}	3
{B}	{B}	5
{C}	{B,C}	4
{D}	{B,D}	3
{E}	{B,E}	3

闭合：我的理解是每一项包含产生式的最大超集的交集。

{A}的第一项的最大超集：{A,B,C,D}；

{A}的第二项的最大超集：{A,B,C,E}；

{A}的第三项的最大超集：{A,B,C,D}；

三项的交集为：{A,B,C}即{A}的闭合为{A,B,C}

A的支持数为3.

支持数的概念在我的另一篇文章有提到下面给出链接

支持数

后面的几个与前面的一样，结果见上表。

（2）修剪，去除小于最小支持数的每一项

{A}及{A}的闭合为3>=3，保留。

{B}及{B}的闭合为5>=3，保留。

{C}及{C}的闭合为4>=3，保留。

{D}及{D}的闭合为3>=3，保留。

{E}及{E}的闭合为3>=3，保留。

得到频繁闭合项目集FC1(与候选1-项目集FCC1相同)。

FC1的产生式	闭合	支持数
{A}	{A，B，C}	3
{B}	{B}	5
{C}	{B,C}	4
{D}	{B,D}	3
{E}	{B,E}	3

（3）利用FC1的产生式生成FCC2的产生式

与Apriori算法相同，连接生成：

1、 FCC2的产生式={AB，AC，AD，AE，BC，BD，BE，CD，CE，DE}

2、 对于FCC2的产生式，若为FC1的产生式的闭合的子集，删去。

{A，B}是{A}的产生式的闭合{A,B,C}的子集。删去
{A，C}是{A}的产生式的闭合{A,B,C}的子集。删去
{B，C}是{A}的产生式的闭合{A,B,C}的子集。删去
{B，D}是{D}的产生式的闭合{B，D}的子集。删去
{B，E}是{E}的产生式的闭合{B，E}的子集。删去

得到：FCC2的产生式={AD，AE，CD，CE，DE}

（为方便将上面的表复制下来）

例：给出样本数据库。最小支持数为3.

TID	Itemset
1	A,B,C,D
2	B,C,E
3	A,B,C,E
4	B,D,E
5	A,B,C,D

（4）计算FCC2各产生式的闭合及支持数

FCC2的产生式	闭合	支持数
{A，D}	{A,B,C,D}	2
{A，E}	{ A,B,C,E}	1
{C，D}	{A,B,C,D}	2
{C，E}	{B,C,E}	2
{D，E}	{B,D,E}	1

（5）将支持度小于最小支持度的候选闭合项删除。

频繁闭合2-项目集FC2为空，算法到此结束。

将所有不重复的闭合加入到FC中，

FC={{A,B,C},{B},{B,C},{B,D},{B,E}}

最大频繁项目集：

最大频繁项目集为：{A，B，C}、{B，D}、{B，E}

频繁项目集：

1.统计项目集元素数：

L1={B},L2={BC,BD,BE},L3={ABC}

2.将L3的频繁项分解：

{AB}、{AC}、{BC}，将L2中没有的加入到L2中，L2={AB,AC,BC,BD,BE}

3.将L2频繁项分解：

L1={A,B,C,D,E}

频繁项目集为L1+L2+L3所组成的集合。