关联规则分析

最新推荐文章于 2024-04-25 20:18:46 发布

什么都不会…

最新推荐文章于 2024-04-25 20:18:46 发布

阅读量345

点赞数 2

分类专栏：智能数据分析文章标签：算法

本文链接：https://blog.csdn.net/qq_52187093/article/details/132304763

版权

智能数据分析专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一、实验目的

掌握关联规则的基本概念，理解Apriori算法的基本思想、算法步骤，用Apriori算法解决实际应用问题。

二、实验原理

①Apriori算法的基本思想：

Apriori算法是一种经典的关联规则挖掘算法，其基本思想是利用频繁项集的性质，逐层地挖掘出频繁项集，并根据频繁项集生成关联规则。该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。

②Apriori算法步骤：

具体来说，Apriori算法的基本流程如下：

扫描数据集，统计每个项的支持度（即在数据集中出现的次数）。

生成频繁1项集（即单个项的集合），也就是支持度不低于最小支持度阈值的项集。

依次生成频繁k+1项集（k>=1），具体步骤如下：

a. 从频繁k项集中生成候选k+1项集，具体方法是将所有包含k个项的项集两两组合，得到长度为k+1的项集，然后去掉不满足Apriori性质的项集。

b. 扫描数据集，统计候选k+1项集的支持度。

c. 生成频繁k+1项集，也就是支持度不低于最小支持度阈值的项集。

根据频繁项集生成关联规则，具体步骤如下：

a. 对于每个频繁项集，找到其所有非空子集，即可得到该项集的所有关联规则。

b. 对于每个关联规则，计算其支持度和置信度（即该规则在条件项出现的条件下，结果项出现的概率），并筛选出满足最小支持度和最小置信度阈值的规则。

Apriori算法的核心思想是利用频繁项集的性质，逐层地挖掘出频繁项集，从而避免了对数据集进行全局搜索，减少了计算量和时间复杂度。

三、实验内容和步骤

实验内容1

事务矩阵如表1所示，其中I1、I2、I3......代表项目，T100、T200、T300.......代表事务。为了便于对数据进行处理，首先对数据库中的事务进行一个映射，映射的方法是看每条事务中是否包含项集中的所有元素，如果包含对应的元素，则标记为1，否则为0，这样就可以得到由所有事务组成的0-1矩阵。

请利用Apriori算法，编写程序，设最小支持度为2，得到所有频繁项集。

表1 事务矩阵

	I1	I2	I3	I4	I5
T100	1	1	0	0	1
T200	0	1	0	1	0
T300	0	1	1	0	0
T400	1	1	0	1	0
T500	1	0	1	0	0
T600	0	1	1	0	0
T700	1	0	1	0	0
T800	1	1	1	0	1
T900	1	1	1	0	0

2.实验内容2

在股市中有一种根据行业选股的投资策略，其基本思想是基于这样的认识：从众多个股中选择具有增长潜力的个股难度较大，但行业数较少，所以选对行业的可能性更高，另外股市通常出现这样的现象，就是同行业的股票往往普涨或普跌，只要选对行业，无论怎么选个股，都可能盈利。有一种基于关联规则挖掘的选股方法-行业关联选股法，其基本思想是：从数据中寻找具有联动关联的行业，当某个行业出现涨势之后，而其关联行业还没有开始涨，则从其关联行业中选择典型个股买入。对于该方法，寻找关联行业是关键，而寻找关联行业，则正好可以用关联规则方法实现。首先我们需要有行业关联数据的事务。在交易系统或公共股票数据中，我们能得到交易日各行业的涨幅数据，但这样的数据不能直接应用，需对数据进行处理。而要定义一个标准，界定哪些行业算是涨势好的行业，比如可以定义10个交易日内，行业涨幅超过大盘涨幅5%的行业为好行业，这样就可以得到类似股市行业关联的事务数据，如表2所示。

请利用Apriori算法，编写程序，设最小支持度为3，得到所有频繁项集。

表2 股票行业关联事务矩阵

	银行	券商	钢铁	能源	医药	化工
T1	1	1	0	0	1	0
T2	0	0	0	1	0	1
T3	1	1	1	0	0	0
T4	1	1	0	1	0	1
T5	0	0	1	0	1	0
T6	0	1	1	0	0	0
T7	1	0	1	0	0	0
T8	1	1	1	0	1	1
T9	1	1	1	0	0	0
T10	1	1	0	1	0	0

四、实验过程原始记录(数据、图表、计算、代码等)

实验一，实验二：
实验一主函数：
%% 读取数据
clc, clear all, close all
data = xlsread('c5_data1.xlsx','Sheet1','B2:F10')
%% 调用Apriori算法
disp('频繁项集为：')
apriori(data,2)
实验二主函数：
%% 读取数据
clc, clear all, close all
data = xlsread('c5_data2.xlsx','Sheet1','B2:G11')
%% 调用Apriori算法
disp('频繁项集为：')
apriori(data,3)

function [L]=apriori(D,min_sup)
[L, A]=init(D,min_sup); % 调用init获取初始频繁项集
% A为1-频繁项集，L中为包含1-频繁项集以及对应的支持度
k=1;
C=apriori_gen(A,k); %产生2项的集合
while ~(size(C,1)==0)
[M, C]=get_k_itemset(D,C,min_sup); %产生k-频繁项集 M是带支持度  C不带
if ~(size(M,1)==0)
    L=[L;M];   
end
k=k+1;
C=apriori_gen(C,k); %产生组合及剪枝后的候选集 
end

function [C]=apriori_gen(A,k) %产生Ck（实现组内连接及剪枝 ）   
%A表示第k-1次的频繁项集 k表示第k-频繁项集
[m,n]=size(A);
C=zeros(0,n);
%组内连接
for i=1:1:m
    for j=i+1:1:m
        flag=1;
        for t=1:1:k-1
            if ~(A(i,t)==A(j,t))
                flag=0;
                break;
            end
        end
        if flag==0 
            break;
        end
        c=A(i,:)|A(j,:);
        flag=isExit(c,A);   %剪枝
        if(flag==1)
            C=[C;c];
        end
    end
end

function [L C]=get_k_itemset(D,C,min_sup)
%D为数据集，C为第K次剪枝后的候选集获得第k次的频繁项集
m=size(C,1);
M=zeros(m,1);
t=size(D,1);
i=1;
while i<=m
    C(i,:);
    H=ones(t,1);
    ind=find(C(i,:)==1);
    n=size(ind,2);
    for j=1:1:n
        D(:,ind(j));
        H=H&D(:,ind(j));
    end
        x=sum(H');
        if x<min_sup
            C(i,:)=[];
            M(i)=[];
            m=m-1;
        else
            M(i)=x;
            i=i+1;
        end
end
L=[C M];

function [L,A]=init(D,min_sup) %D表示数据集，min_sup 最小支持度
[~,n]=size(D);
A=eye(n,n);
B=sum(D,1);
for i=1:n
    if B(i)<min_sup
        B(i)=[];
        A(i,:)=[];
    end
end
L=[A B'];

function flag=isExit(c,A)
%判断c串的子串在A中是否存在
[m, n]=size(A);
b=c;
% flag=0;
for i=1:1:n
    c=b;
    if c(i)==0 
        continue;
    end
    c(i)=0;
    flag=0;
    for j=1:1:m
        A(j,:);
        a=sum(xor(c,A(j,:)));
        if a==0 
            flag=1;
            break;
        end
    end
    if flag==0 
        return 
    end
end

五、实验结果及分析（仿真结果等）

实验一：

仿真结果：