Apriori算法核心逻辑代码实现
概述
Apriori算法是生成频繁集的一种算法。Apriori原理有个重要假设,如果某个项集是频繁的,那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集,那么它所对应的超集就全都是非频繁项集。
实现
从大规模数据集中寻找物品间的隐含关系被称作关联关系,而寻找物品间的不同组合是一项十分耗时的工作,所需计算代价很高,对于包含N种物品的数据集共有2的n次方-1种项集组合,蛮力搜索并不能解决这个问题。 Apriori能解决这个问题,Apriori算法是生成频繁集的一种算法。Apriori原理有个重要假设,如果某个项集是频繁的,那么它的所有子集势必也是频繁的。如果一个项集是非频繁项集,那么它所对应的超集就全都是非频繁项集。如果一个项集是非频繁项集,那么它所对应的超集就全都是非频繁项集,如何实现呢。
代码(部分伪代码) :
#L指的是数据集len L[1] 表示的是{x} L2表示的是{x,y} 类似这种数据集 ,先构建L1 ,在构建L2,一次类推,通过while循环实现 #Apriori的原理体现在scan方法会将不满足可信度的数据集删掉,保留满足的,这样如果一个项集是非频繁项集,那么它所对应的超集就全都是非频繁项集。 #代码实现参考自机器学习实战 while (len(L[k-2]) > 0): Lk, supK = scanD(x,y,z) supportData.update(supK) L.append(Lk) k += 1 return L, supportData #minSupport最小支持度 #Ck 候选数据集列表 def scan(D, Ck, minSupport): ssCnt = {} #增加字典对应计数器 for tid in D: for can in Ck: if can.issubset(tid): if not ssCnt.has_key(can): ssCnt[can]=1 else: ssCnt[can] += 1 numItems = float(len(D)) retList = [] supportData = {} #计算可信度,过滤不满足可信度的数据集 for key in ssCnt: support = ssCnt[key]/numItems if support >= minSupport: retList.insert(0,key) supportData[key] = support return retList, supportData
相关推荐
KDF000 2010-12-11
风和日丽 2019-07-01
yimixgg 2018-08-20
xueyuediana 2019-01-16
tracy 2018-10-22
pythoncream 2017-12-21
campwin 2017-12-20
HTML学堂码匠 2017-12-10