【转】基于STL的关联规则 Apriori 算法的设计与实现

   关联规则association rule mining是众多“规则类”数据挖掘方法中的一种，对于关联规则的基本理论（假定读者已经了解）不在这里详细叙述，下面主要就算法的设计进行描述。

    Apriori算法的主要思想:

    1、根据Apriori性质“频繁项集的子集一定是频繁项集，非频繁项集的超集一定是非频繁项集”构造候选项集，然后通过遍历事务数据库来计算候选项集的支持度，得到频繁项集；

    2、由频繁项集生成关联规则。

    我认为，关联规则在理论上是比较简单的，相信很多人都会有这种感觉，但要真正做算法的设计与实现，反而是相当有难度的。问题的关键是：无法设计出频繁项集（一种适合1－项集、2－项集...n－项集的通用的数据结构）、规则的合理的数据结构。没有这两个数据结构，要实现关联规则就是“纸上谈兵”、或许是“雾里看花”也说不准。

      规则的数据结构比较好设计，一条规则无非就是包含这么几个成员（规则的条件、结论，支持度，可信度，提升度），因此一条规则可以用一个结构体（rule)表示:

typedef struct

{

  char condition[80];

  char conclusion[80];

  double sup;

  double conf;

  double lift;

}rule;

      所有的规则，可以看作是这个结构体的列表（list<rule> lst_rule）或可变数组（vector<rule> vt_rule)。

/*  anything,send me email datamining@163.com my QQ 275869936

It comes from http://blog.sina.com.cn/dataminer321 

*/

        项集的数据结构就比较复杂了。先对项集的结构和用处描述一下，让我们对它有一个整体了解。

      项集和每个事务的项的集合是类似的，都是几个项的集合{a,b,c,d,e,g...}，元素(项）的个数为1...n（n－项集的情况）。

      项集的用处：

        1、由两个频繁n项集连接为一个侯选n＋１项集

      2、在计算候选项集的支持度的时候，判断某个候选项集是否在当前的事务中（辅助函数2）。

      这就要求项集的数据结构必须能够容纳n个，同时也能容纳n＋１个项，即项集的数据结构必须适应项个数的变化．

        在这里，我给出项集的一种数据结构包含两部分：一、存储项的集合的字符串（同时也适合事务）；二、支持计数。

  可以采用map<string,int> 存储，第一个参数为字符串，即STL中的string，项集（或事务）以字符串形式保存，其中项与项之间以符号＂｜＂间隔，如由项a,b,c构成的项集，表示为string m_Itemset="a|b|c" 格式。使用的时候，由辅助函数1，可根据＂｜＂对字符串m_Itemset进行拆分，将每一个项存储到 vector<string> vt_itemset中，vector中的每个元素为一个项。

      第二个参数为支持计数。

     

  下面我们来讨论一下第二步，即由频繁项集生成规则，这一步的程序实现在论文中很少提及，大家都主要讨论第一步，即生成频繁项集，可能是因为改进第一步对于提高apriori性能是至关重要的。

    一个n-项集可以生成2的n次方减2条规则（每一条规则的条件和结论的项的集合是整个项集中的项，即n个项）【方法1】，在这里不要考虑多了，如每一个n-项集包含n个n-1项集，每一个n-1项集也可以生成2的n-1次方减2条规则。原因是我们的频繁项集中包含频繁1-项集、频繁2-项集...直到频繁n-项集（而不是只存储最大长度频繁项集），只要我们按照【方法1】对每一个频繁项集都生成其对应的规则，就得到了所有的规则。

 

 

辅助函数1：

/*

函数调用举例：

m_strSource="a|b|c";//输入参数

substr="|";  //输入参数

vector<string> vItem;

GetItemsFromString(m_strSource,vItem,substr);

vItem[0]="a";  //输出参数

vItem[1]="b";

vItem[2]="c";

*/

void GetItemsFromString(string &m_strSource,vector<string> &vItem,string substr)
{
 vItem.clear();
 int j;
 int i=m_strSource.find(substr,0);
 
 if (i==-1)
 {
  //m_strSource is a Item
  vItem.push_back(m_strSource);
 }
 else
 {
  string m_strTemp=m_strSource.substr(0,i);
  vItem.push_back(m_strTemp);
  
  while(i!=-1)
  {
   j=m_strSource.find(substr,i+1);
   
   if(j==-1)
   {
    m_strTemp=m_strSource.substr(i+1,m_strSource.size()-i-1);
    vItem.push_back(m_strTemp);
   }
   else
   {
    m_strTemp=m_strSource.substr(i+1,j-i-1);
    vItem.push_back(m_strTemp);
   }
   
   i=j;
  } //end of while
 }//end of else
}

辅助函数2：判断候选项集v1是否在事务v2中

bool IsIn(const vector<string> &v1,const vector<string> &v2)
{
 int nSize1=v1.size();
 int nSize2=v2.size();
 
 for(int i=0;i<nSize1;i++) //for1
 {
  bool m_bFlag1=false;
  for(int j=0;j<nSize2;j++)  //for2
  {
   if(v1[i]==v2[j])
   {
    m_bFlag1=true;
    break;
   }
   
  }// end of for2
  
  if (!m_bFlag1)
   return false;
  
 }// end of for1
 
 return true;
 
}

 

有了这两个数据结构和辅助函数，相信你能够设计出你的关联规则挖掘算法。