apriori算法例题_数据挖掘常见经典算法原理&Matlab实现

我叫水水，很高兴认识大家！

这是专栏的第11篇文章。其实本文章已经在我的公众号(公众号中不只有学习专题，还有很多大学学习资源分享、工具分享等等，文末有相关指路哦，欢迎关注撒~【微信搜索“CodingBugott”即可~】)中持续更新了，因为还想更新到知乎上，让更多的小伙伴可以看到啦~

Aprior

• 1. 基本思想

• 2. 例题解析

• 3. Matlab实现

 1%Apriori算法主函数
 2function [R, sup, conf] = apriori(D, min_sup, min_conf)
 3R = [];
 4sup = [];
 5conf = [];
 6%找出频繁集
 7F = frequent(D, min_sup);
 8
 9%计算强关联规则
10m = size(F,1);
11for i = 1:m
12    Fk = F(i,:);
13    FL = find(Fk(1,:)>0);
14    for lSize = 1:size(FL,2)-1
15        FLChild = nchoosek(FL, lSize);
16        [FLX,FLY] = size(FLChild);
17        for x = 1:FLX
18            FP = F(i,:);
19            for y = 1:FLY
20                FP(FLChild(x,y)) = -1;
21            end
22            if compute_conf(FP,D) > min_conf 
23                R = [R; FP];  
24                sup = [sup;compute_sup(abs(FP),D)];
25                conf = [conf;compute_conf(FP,D)];
26            end
27        end
28    end
29end
30
31%计算可信度，S为要计算可信度的项集(有分条件与结论项)
32function [conf] = compute_conf(S, D)
33conf = compute_sup(abs(S),D) / compute_sup(S(1,:)<0,D);
34
35========================================
36%
37计算支持度，S为要计算支持度的项集
38function [sup] = compute_sup(S, D)
39count = 0;
40for i = 1:size(D,1);
41    if(all((D(i,:) - S) >= 0))
42        count = count + 1;
43    end
44end
45sup