apriori

在Apriori算法中，如何提高apriori算法的效率是关联规则挖掘中的经典算法。Python apriori如何使用类Apriori(object):def _ _ init _ _(self，本文对Apriori算法进行分析，利用Apriori算法生成频繁项集。

Apriori算法是发现频繁项集的基本算法。该算法利用了频繁项集的先验知识。Apriori算法使用一种称为逐层搜索的迭代方法，在这种方法中，使用k个项集来探索(k 1)个项集。首先通过扫描数据库，累计每个项目的计数，收集满足最小支持度的项目，找出频繁项目集的集合。该集合被表示为L1。然后，用L1寻找频繁2项集的集合L2，用L2寻找L3，以此类推，直到再也找不到频繁k项集。

(2)根据最小支持度min_sup，由候选L项集的集合Cl生成频繁1项集的集合LL；(3)对于KL；(4)由Lk执行链接和修剪操作以生成候选(k 1)。根据最小支持度min_sup设置项目集(5)的CK 1，频繁(k 1)项目集的集合LK 1由候选(k 1)的集合CK 1生成。(6)如果L？≠ ①，然后k.k 1，跳到步骤(4)；

算法:Apriori输入:d事务数据库；Min_sup最小支持计数阈值输出:ld方法中的频繁项集:L1 find _ frequency _ 1项集(d)；//查找(k2的所有频繁项集；Lk1！nullk ){ Ckapriori_ gen(Lk1)；//生成候选，剪枝Foreach事务tinD{//扫描d候选计数Ctsubset(Ck，

Apriori算法是关联规则挖掘中的经典算法。Apriori算法利用频繁项集的先验知识，采用逐层搜索的迭代方法。通过扫描数据库，累积每个项目的计数，并收集满足最小支持度的项目。需要扫描一次数据库才能找到每个Lk，随着数据量和频繁项集的增加，算法的效率很低。本文分析了Apriori算法，并应用了哈希、事务压缩、划分、采样等方法。

class apriori(object):def _ _ init _ _(self，):self。最低限度的自立，min _ confidence 50自我。Line _ num0 #项目自身的行数. item_startitem_start#项目自身的哪一行，Item _ enditem _ endself。外景[[I]应拍？foriinrange(self . item _ end . item _ start 1)]self . support self . SUT(self . location)self . numlist(sorted(set([jforinself . location for Jini])# Record items self . pre _ support[]#保存以前的支持。