Apriori算法是数据挖掘中十分经典的算法,在关联度的计算中会经常用到,通过实现来更好的理解Apriori算法。
Apriori定律
1:如果一个集合是频繁项集,则它的所有子集都是频繁项集。举例:假设一个集合{A,B}是频繁项集,即A、B同时出现在一条记录的次数大于等于最小支持度min_support,则它的子集{A},{B}出现次数必定大于等于min_support,即它的子集都是频繁项集。
2:如果一个集合不是频繁项集,则它的所有超集都不是频繁项集。举例:假设集合{A}不是频繁项集,即A出现的次数小于min_support,则它的任何超集如{A,B}出现的次数必定小于min_support,因此其超集必定也不是频繁项集。
只计算了频繁项集的支持度,置信度在后续实现。
该算法主要分为连接和剪枝两个步骤,都在函数getNextCandidate()中,其中又有许多借助于PHP函数的关键步骤,如:判断子集是否是候选集,判断是否有重复项等等,具体参考代码。
代码如下:
<?php
include "readFile.php";
/**
* *实现Apriori算法
* @author tju_zyt@tju.edu.cn
*
*/
class Apriori{
public static $dCountMap = array(); //频繁集的记数表
private static $MIN_SUP = 0.2; //最小支持度
private static $MIN_CONF = 0.8; //最小置信度
private static $confCount = array(); //置信度记录表
private static $confItemset = array(); //满足支持度的集合
/**
* 算法的第一次迭代,对每个项出现次数计数
* @param $data 存储数据的二维数组
* @return $list 返回候选1项集
*/
public function getFristCandiate($data){
$count = array();
for($i = 0; $i < sizeof($data); $i++){
for($j = 0; $j < sizeof($data[$i]); $j++){
if(!in_array($data[$i][$j], $count))
array_push($count, $data[$i][$j]);
}
}