Apriori算法

实验内容

1.Apriori算法的实现

（1）手动生成样本数据集data_set，该数据集包含事物列表，每个事物包含若干项。[[‘11’,’12’,’15’]、[‘12’,’14’]、[’12’,’13’]、[‘11’,’12’,’14’]、[‘11’,’13’]、[’12’,’13’]、[‘11’,’13’]、[‘11’,’12’,’13’,’15’]、[‘11’,’12’,’13’]]

（2）生成频繁相集；

（3）判断候选频繁相集是否满足Apriori算法；

（4）创建产生所有频繁相集；

（5）从产生的频繁相集中生成规则。

实验方案

（1）导入数据集模块

（2）生成候选频繁项集C1

（3）判断频繁K项集是否满足Apriori算法，返回值为布尔类型

（4）通过在L(k-1）中执行self-joining策略创建一个包含所有频繁候选k相集的集合ck

（5）通过ck执行pruning策略生成Lk项集

（6）从所产生的频繁项集中生成规则

实验代码

def load_data_set():
    """
加载一个样本数据集（来自数据挖掘:概念和技术，第3版）
返回:
数据集:事务列表。每个事务都包含若干项。
    """
    data_set = [['l1', 'l2', 'l5'], ['l2', 'l4'], ['l2', 'l3'],
            ['l1', 'l2', 'l4'], ['l1', 'l3'], ['l2', 'l3'],
            ['l1', 'l3'], ['l1', 'l2', 'l3', 'l5'], ['l1', 'l2', 'l3']]
    return data_set


def create_C1(data_set):
    """
通过扫描数据集创建频繁候选1-itemset C1。
参数:
data_set:事务列表。每个事务都包含若干项。
返回:
C1:包含所有频繁候选1-项目集的集合
    """
    C1 = set()
    for t in data_set:
        for item in t:
            item_set = frozenset([item])
            C1.add(item_set)
    return C1


def is_apriori(Ck_item, Lksub1):
    """
判断频繁候选k-项集是否满足Apriori性质。
参数:
Ck_item: Ck中的一个频繁候选k-itemset，它包含所有的频繁项
k-itemsets候选人。
Lksub1: Lk-1，一个包含所有频繁候选(k-1)项集的集合。
返回:
真:满足Apriori性质。
错误:不满足Apriori性质。
    """
    for item in Ck_item:
        sub_Ck = Ck_item - frozenset([item])
        if sub_Ck not in Lksub1:
            return False
    return True


def create_Ck(Lksub1, k):
    """
创建Ck，一个包含所有频繁候选k-itemset的集合
通过Lk-1自己的连接操作。
参数:
Lksub1: Lk-1，一个包含所有频繁候选(k-1)项集的集合。
k:频繁项目集的项目号。
返回:
Ck:包含所有频繁候选k-itemset的集合。
    """
    Ck = set()
    len_Lksub1 = len(Lksub1)
    list_Lksub1 = list(Lksub1)
    for i in range(len_Lksub1):
        for j in range(1, len_Lksub1):
            l1 = list(list_Lksub1[i])
            l2 = list(list_Lksub1[j])
            l1.sort()
            l2.sort()
            if l1[0:k-2] == l2[0:k-2]:
                Ck_item = list_Lksub1[i] | list_Lksub1[j]
                # pruning
                if is_apriori(Ck_item, Lksub1):
                    Ck.add(Ck_item)
    return Ck


def generate_Lk_by_Ck(data_set, Ck, min_support, support_data):
    """
通过从Ck执行删除策略来生成Lk。
参数:
data_set:事务列表。每个事务都包含若干项。
Ck:包含所有频繁候选k-itemset的集合。
min_support:最小支持度。
support_data:一个字典。关键字为“frequent itemset”，取值为“support”。
返回:
Lk:包含所有频繁k-itemset的集合。
    """
    Lk = set()
    item_count = {}
    for t in data_set:
        for item in Ck:
            if item.issubset(t):
                if item not in item_count:
                    item_count[item] = 1
                else:
                    item_count[item] += 1
    t_num = float(len(data_set))
    for item in item_count:
        if (item_count[item] / t_num) >= min_support:
            Lk.add(item)
            support_data[item] = item_count[item] / t_num
    return Lk


def generate_L(data_set, k, min_support):
    """
生成所有频繁项集。
参数:
data_set:事务列表。每个事务都包含若干项。
k:所有频繁项目集的最大项目数量。
min_support:最小支持度。
返回:
L: Lk的名单。
support_data:一个字典。关键字为“frequent itemset”，取值为“support”。
    """
    support_data = {}
    C1 = create_C1(data_set)
    L1 = generate_Lk_by_Ck(data_set, C1, min_support, support_data)
    Lksub1 = L1.copy()
    L = []
    L.append(Lksub1)
    for i in range(2, k+1):
        Ci = create_Ck(Lksub1, i)
        Li = generate_Lk_by_Ck(data_set, Ci, min_support, support_data)
        Lksub1 = Li.copy()
        L.append(Lksub1)
    return L, support_data


def generate_big_rules(L, support_data, min_conf):
    """
从频繁项目集生成强规则。
参数:
L: Lk的名单。
support_data:一本字典。关键字为“frequent itemset”，取值为“support”。
min_conf:最小的置信度。
返回:
big_rule_list:包含所有大规则的列表。每个大规则都表示为一个3元组。
    """
    big_rule_list = []
    sub_set_list = []
    for i in range(0, len(L)):
        for freq_set in L[i]:
            for sub_set in sub_set_list:
                if sub_set.issubset(freq_set):
                    conf = support_data[freq_set] / support_data[freq_set - sub_set]
                    big_rule = (freq_set - sub_set, sub_set, conf)
                    if conf >= min_conf and big_rule not in big_rule_list:
                        big_rule_list.append(big_rule)
            sub_set_list.append(freq_set)
    return big_rule_list


if __name__ == "__main__":
    """
    Test
    """
    data_set = load_data_set()
    L, support_data = generate_L(data_set, k=3, min_support=0.2)
    big_rules_list = generate_big_rules(L, support_data, min_conf=0.7)
    for Lk in L:
        print ("="*50)
        print ("frequent ") + str(len(list(Lk)[0])) + ("-itemsets\t\tsupport")
        print ("="*50)
        for freq_set in Lk:
            print(freq_set, support_data[freq_set])
    print()
    print ("Big Rules")
    for item in big_rules_list:
        print(item[0], "=>", item[1], "conf: ", item[2])

运行结果