频繁模式挖掘算法(Apriori)

实验一频繁模式挖掘算法（Apriori）

一、实验目的

1、理解频繁模式和关联规则

2、掌握频繁模式挖掘算法Apriori

3、为改进Apriori打下基础

二、实验内容

1、选定一个数据集（可以参考教学中使用的数据集）

2、选择合适的实现环境和工具实现算法，本次试验采用的是C++

3、根据设置的最小支持度和置信度，给出数据集的频繁模式集

三、实验原理

该算法的基本思想是：Apriori使用一种称作逐层搜索的迭代方法，k项集用于探索（k+1）项集。首先，通过扫描数据库，累积每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记作L1.然后，L1用于找频繁2项集的集合L2，L2用于找L3，如此迭代，直到不能再找到频繁k项集。找每个Lk需要一次数据库全扫描。

Apriori性质：频繁项集的所有非空子集也必是频繁的。Apriori算法主要包括连接步和剪枝步两步组成。在连接步和剪枝步中采用Apriori性质可以提高算法的效率。

四、实验要求

1、数据集具有一定的代表性，可以使用数据库技术管理

2、最小支持度和置信度可以设置

3、实现界面友好

4、提交实验报告：实验题目、目的、数据集描述、实验环境、过程、结果和分析等。

五、实验步骤

1、所采用的数据集

对于数据集，取最小支持度min_sup=2，最小置信度min_conf=0.8。

2、算法步骤

①首先单趟扫描数据集，计算各个一项集的支持度，根据给定的最小支持度闵值，得到一项频繁集L1。

②然后通过连接运算，得到二项候选集，对每个候选集再次扫描数据集，得出每个候选集的支持度，再与最小支持度比较。得到二项频繁集L2。

③如此进行下去，直到不能连接产生新的候选集为止。

④由频繁项集产生关联规则，关联规则产生步骤如下：

1）对于每个频繁项集l，产生其所有非空真子集；

2）对于每个非空真子集s,如果support_count(l)/support_count(s)>=min_conf，则输出 s->(l-s)，其中，min_conf是最小置信度阈值。

3、程序实现

1)首先要在工程名文件夹里自己定义date.txt文档存放数据，然后在main函数中用FILE* fp=fopen("date.txt","r");将数据导入算法。

2)定义int countL1[10];找到各一维频繁子集出现的次数。

定义char curL1[20][2];实现出现的一维子集。

由于给出的数据最多有4个数，所以同样的我们要定义到4维来放数据。

int countL2[10]; //各二维频繁子集出现的次数

char curL2[20][3]; //出现的二维子集

int countL3[10]; //各三维频繁子集出现的次数

char curL3[20][4]; //出现的三维子集

char cur[50][4];

3)定义int SizeStr(char* m) 得到字符串的长度。实现代码如下：

int SizeStr(char* m)

{

int i=0;

while(*(m+i)!=0)

{

i++;

}

return i;

}

4)比较两个字符串，如果相等返回true,否则返回false

bool OpD(char* x,char* y)

{

int i=0;

if(SizeStr(x)==SizeStr(y))

{

while(*(x+i)==*(y+i))

{

i++;

if(*(x+i)==0 && *(y+i)==0)

return true;

}

}

return false;

}

5)通过void LoadItemL1(char **p) 得到所有1元的字串和各自出现的次数

void LoadItemL1(char **p)

{

int i,j,n=0,k=0;

char ch;

char* s;

int f;

memset(cur,0,sizeof(cur));

for(i=0;i<20;i++)

{

curL1[i][0]=0;

curL1[i][1]=0;

}

for(j=0;j<10;j++)

countL1[j]=0;

for(i=0;i<10;i++)

for(j=0;j<4;j++)

{

ch=*(*(p+i)+j);

if(ch==0)

break;

cur[n][0]=ch;

n++;

}

curL1[0][0]=cur[0][0];

curL1[0][1]=cur[0][1];

k=0;

for(i=0;i<50;i++)

{

if(cur[i]==0)

break;

s=cur[i];

f=1;

for(j=0;j<=k;j++)

{

if(OpD(s,curL1[j]))

{

f=0;

break;

}

}

if(f==1)

{

++k;

curL1[k][0]=cur[i][0];

curL1[k][1]=cur[i][1];

}

}

for(i=0;i<20;i++)

for(j=0;j<50;j++)

{

char* m;

m=curL1[i];