谈改进的Ａｐｒｉｏｒｉ关联挖掘算法的实践应用(2)

　　Apriori-gen过程
　　Apriori-gen过程由L_k-1产生第K次迭代时的候选项集C_k，该过程描述如下：
　　For each itemset I₁∈L_k-1
　　For each itemset I₂∈L_k-1
　　If （I₁[1]=I₂[1]）∧(I₁[2]=I₂[2]∧…∧（I₁[K-2]=I₂[K-2]）∧（I₁[K-1 ]=I₂ [K-2]）∧（I₁[K-I]=I₂[K-1]）
　　Then {c=I[1]，I₁[2]，…I₁[K-I]，I₂[K-1]）；
　　C_k=C_k U c；
　　For（c的每个包含k-1个项目的子集s）{
　　If（s不属于F_k-1）
　　从C_k中删除C；
　　}
　　Return（C_k）；
　　
　　改进的Apriori算法在图书馆的具体实现
　　
　　以安徽省图书馆某年度读者借阅事务库为例，可从图书馆借阅记录中挖掘出形如“读者-图书”强关联规则。首先要进行数据清洗，只保留属性概念中分层最低层的属性项，将同一个读者的所有借阅记录合并为一条记录。
　　（一）算法思想
　　在读者借阅记录关联规则挖掘过程中有一些特殊的性质，因为每一个读者借阅记录的长度是固定的，即含有五个单项，前四个是属性值，最后一个是图书分类号，并且要挖掘的规则最后一项必须是图书分类号，且不能出现冲突的属性值或图书分类号。基于这些特殊性质，在数据挖掘中对Apriori改进算法如下：
　　1）把压缩过的事务集读入内存；
　　2）扫描事务集，找到每一类频繁单项：即频繁的年龄段、频繁的学历、频繁的职称、频繁的职业、频繁的图书分类。
　　3） 把各类频繁的属性单项和频繁的图书分类单项连接成 2 - 候选频繁项集， k = 2。即生成年龄-图书类，学历-图书类，职业-图书类，职称-图书类，分别生成频繁2项集。
　　4） 检查k-候选频繁项集，记录其支持度和前件的支持度。频繁项集的连接条件是前n项是为读者属性项，且读者的属性项内容各不相同，最后一项为相同的图书分类项。
　　5） 输出置信度和支持度达到要求的频繁 k - 频繁项集。置信度为支持度除以前件的支持度。
　　6） 用得到k - 频繁项集互相连接得到k+1 - 候选频繁项集。通过剪枝，可减少连接的频繁项集的个数，提高程序运行的效率。下面的是剪枝连接的规则：
　　a） 如果频繁项集A 和 B 最后一项不同的时候不能连接。
　　b） 含有属于同一属性类别的不同单项，则不能连接。
　　c） 频繁项集也不能和自身连接。 　　d） 如果用conf代表前件支持度，那么当min （ A.conf， B.conf）/最小支持度<最小置信度时，不能连接 A，B。
　　e） 其它情况可以连接。
　　7） k ++， 如果生成的候选频繁项集数目不为0，转4），否则结束。
　　本算法主要改进是步骤6， 这是经典的Apriori算法没有的。其他的连接过程可以参阅Apriori的连接。本文通过设置最小置信度阈值以找出强关联规则，令图书类型为每条规则后件，读者属性为每条规则前件，最后得到关联规则。
　　（二）程序实现
　　// apriori算法的程序
　　void Apriori::Do（）
　　{
　　vector candidates；
　　vector patterns；
　　generate2candidates（candidates）； // 生成候选2项集
　　while（!candidates.empty（）） // 当候选项集为空时中止
　　{ verify_candidate（candidates， patterns）；// 过滤候选k-1项集， 返回用于连接生成候选k项集的列表，同时输出满足所有条件的规则
　　generate_k_candidates（patterns，candidates）； // 连接生成候选k项集， 准备下一次循环

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说计算机谈改进的Ａｐｒｉｏｒｉ关联挖掘算法的实践应用(2)在线全文阅读。