学习笔记5-Apriori算法关联分析

Apriori算法的一般流程

（1）收集数据：可以使用任何方法收集数据

（2）准备数据：任何数据类型都可以，因为我们只保存集合

（3）分析数据： 使用任意方法

（4）训练算法：使用Apriori算法来找到频繁项

（5）测试算法：不需要测试过程

（6）使用算法：可以用于发现频繁项集以及物品之间的关联规则

数据集扫描的伪代码

对数据集中的每条交易记录tran

对每个候选相集can：

  检查一下can是否是tran的子集：

   如果是，则增加can的计数值：

   对每个候选项集：

      如果其支持度不低于最小值，则保留该项集

      返回所有频繁项集列表

程序清单11-1 Apriori算法中的辅助函数

def loadDataSet():
    return [[1,3,4], [2,3,5], [1,2,3,5], [2,5]]

"""
函数说明：生成大小为1的所有候选项集的集合C1
Parameters：
    dataSet：数据集
Returns：
    项集C1的列表
"""
def createC1(dataSet):
    C1 = []  #初始化C1
    for transaction in dataSet:  #循环数据集中的每项交易
        for item in transaction:  #循环交易中的每项
            if not [item] in C1:
                C1.append([item])
    C1.sort()
    return list(map(frozenset, C1))   #C1中的每项构建一个被"冰冻"的集合，用户不能修改他们
#map(frozenset, C1)的语义是将C1由Python列表转换为不变集合（frozenset，Python中的数据结构）。

def scanD(D, Ck, minSupport):
    """
    scanD（计算候选数据集 CK 在数据集 D 中的支持度，并返回支持度大于最小支持度 minSupport 的数据）
    Args:
        D 数据集
        Ck 候选项集列表
        minSupport 最小支持度
    Returns:
        retList 支持度大于 minSupport 的集合
        supportData 候选项集支持度数据
    """
     #对数据集中的每个样本，对候选项集中的每个集合，
    #如果该集合为样本子集，那么对应计数+1（注意使用了字典，这个时候frozenset就起到用处了，不然会报错）
    #ssCnt 临时存放选数据集 Ck 的频率. 例如: a->10, b->5, c->8
    ssCnt = {
   }
    for tid in D:
        for can in Ck:
            if can.issubset(tid):  #s.issubset(t)  测试是否 s 中的每一个元素都在 t 中
                if can not in ssCnt:
                    ssCnt[can] = 1
                else:
                    ssCnt[can] += 1
    numItems = float(len(D))
    retList = []
    supportData = {
   }
    #遍历ssCnt字典，找出满足最小支持度的候选项集,将其添加到retList中,
    #并且将项集的支持度保存在supportData字典中，之后求关联关系的时候会用到
    for key in ssCnt:
        support = ssCnt[key]/numItems   #计算支持度， 支持度 = 候选项（key）出现的次数 / 所有数据集的数量
        if support >= minSupport:   #将满足最小支持度的项集保存
            retList.insert(0, key) #retList.insert(0, key)一行将频繁项集插入返回列表的首部
        supportData[key] = support  #添加到字典supportData中，存储所有的候选项（key）和对应的支持度（support）
    return retList, supportData

dataSet = loadDataSet()

dataSet

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

C1=createC1(dataSet)

D = list(map(set,dataSet))  #原因是python3.6的map函数计算长度len()函数会报错，需要将其转换为List

D

[{1, 3, 4}, {2, 3, 5}, {1, 2, 3, 5}, {2, 5}]

L1,suppData0 = scanD(D,C1,0.5)

L1

[frozenset({5}), frozenset({2}), frozenset({3}), frozenset({1})]

#https://www.cnblogs.com/DOLFAMINGO/p/9521941.html   该贴中 案例图描述很清楚
</