数据挖掘Apriori算法的实现实验报告 .pdfVIP

实验报告

学院：大数据与信息工程学院专业：通信工程班级：

姓名学号实验组

实验时间指导教师成绩

实验项目名称Apriori算法的实现

实

验1、使用Apriori算法找出频繁项集

目2、改写第六章课后习题6.6（a）的程序代码

的

1、Apriori算法

Apriori使用一种称作逐层有哪些信誉好的足球投注网站的迭代方法，k项集用于探索（k+1）项集。

实首先，通过扫描数据库，累计每个项的计数，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L。然后，L用于找频繁2项集的集合L，

112

验L用于找L，如此下去直到不能再找到频繁k项集。找每个L需要一次数据库

23k

原全扫描。

2、Apriori定律1：如果某商品组合小于最小支持度，则就将它舍去，它的超集

理必然不是频繁项集。

Apriori定律2：如果一个集合是频繁项集，即这个商品组合支持度大于最小

支持度，则它的所有子集都是频繁项集

实

验

一台下载有VisualStudio或Python3.8.2的电脑

仪

器

一、实验内容

数据库有5个事务。设min_sup=60%，min_conf=80%

实

TID购买的商品

验T100{M,O,N,K,E,Y}

T200{D,O,N,K,E,Y}

步

T300{M,A,K,E}

骤T400{M,U,C,K,Y}

T500{C,O,O,K,I,E}

及

在程序中，使用Apriori算法，找出频繁项集

内

二、实验步骤

容

1.每个项都是候选1项集的集合C1的成员。算法扫描所有的事务，获得每个项，

生成C1（见下文代码中的create_C1函数）。然后对每个项进行计数。然后根

据最小支持度从C1中删除不满足的项，从而获得频繁1项集L1。

2.对L1的自身连接生成的集合执行剪枝策略产生候选2项集的集合C2，然后，

扫描所有事务，对C2中每个项进行计数。同样的，根据最小支持度从C2中删除

不满足的项，从而获得频繁2项集L2。

3.对L2的自身连接生成的集合执行剪枝策略产生候选3项集的集合C3，然后，

扫描所有事务，对C3每个项进行计数。同样的，根据最小支持度从C3中删除不

满足的项，从而获得频繁3项集L3。

4.以此类推，对Lk-1的自身连接生成的集合执行剪枝策略产生候选k项集Ck，

然后，扫描所有事务，对Ck中的每个项进行计数。然后根据最小支持度从Ck中

删除