python 关联规则分前项后项吗

发布网友 发布时间：2022-05-21 01:31

我来回答

共1个回答

热心网友 时间：2023-10-10 19:09

学了两天python，想实践下，正好最近在学习数据挖掘，先用python实现下

注：由于后面加了注释，由于编码问题，可能即使是注释，有的环境也不支持汉字的编码，运行报错的话可以将汉字删除后再运行

环境 ubuntu 13.4      python 2

[python] view plain copy

import itertools  

import copy  

''''' 

定义全局变量k，即支持度计数k,此k也可以在运行程序之前输入，简单改动即可 

'''  

k = 2  

''''' 

存储频繁项集的列表 

'''  

frequenceItem = []  

''''' 

从txt文件dataset.txt里获取事务集 

'''  

def getDataSet(args):  

f = open(args,'r')  

source = f.readlines()  

f.close()  

dataset = []  

for line in source:  

temp1 = line.strip('\r\n')  

temp2 = temp1.split(',')  

dataset.append(temp2)  

return dataset  

''''' 

初步扫描事务集，从事务集里获取候选1项集 

方法的基本思路是： 

定义一个集合tmp，将事务集的第一项作为tmp的初始集合 

然后扫描事务集，将不在tmp里的数据项加入tmp中 

'''  

def find_item( dataset ):  

length = len(dataset)  

for i in range(0, length):  

if  i == 0:  

tmp = set(dataset[i])  

tmp.update(set(dataset[i]))  

candidate=list(tmp)  

candidate.sort()  

return candidate  

''''' 

从候选项集里找出频繁项集，其中num代表频繁num+1项集 

如num为0的为从候选1项集里找出频繁1项集 

方法基本思路： 

1、定义一个支持度列表count 

2、对于每一个候选项，依次扫描事务集，如果该项出现在事务集中就将该项对应的count+1、定义一个支持度列表count+1  

3、将每一项的count和k（支持度计数）进行比较，将count小于k的项剔除 

'''  

def find_frequent( candidate, dataset, num):  

frequence = []  

length = len(candidate)  

count = []  

for i in range(0, length):  

count.append(0)  

count[i] = 0  

if num == 0:  

''''' 

其实不管num为0还是别的值算法应该是一样的，但是由于程序实现上的问题 

num为0的时候选项集是一维列表，其它的时候，候选项集是二维列表， 

毕竟只是自己写着玩的，python还不熟，牵一发而动全身，懒得改了 

'''  

child= set([candidate[i]])  

else:  

child = set(candidate[i])  

for j in dataset:  

parent = set(j)  

if  child.issubset(parent):  

count[i] = count[i]+1  

for m in range(0, length):  

if  count[m] >= k:  

frequence.append(candidate[m])  

return frequence  

''''' 

先验定理，剪枝掉不必要的候选n项集 

方法思路： 

1、依次取出候选项集里的项 

2、取出n项集里的n-1项子集 

3、如果所有的n-1项集不都都是频繁n-1项集的子集，则删除该候选项集 

'''  

def pre_test(candidate, num,frequence):  

r_candidate = copy.deepcopy(candidate)  

for each in candidate:  

for each2 in itertools.combinations(each,num):  

tmp= (list(each2))  

tag = 0  

for j in frequence:  

if num == 1:  

if (tmp[0] == j):  

tag = 1  

break  

else:  

if  tmp == j:  

tag = 1  

break  

if  tag == 0:  

r_candidate.remove(each)  

break  

return r_candidate  

''''' 

通过频繁n-1项集产生候选n项集，并通过先验定理对候选n项集进行剪枝 

方法思路： 

1、如果是频繁1项集，则通过笛卡尔积产生频繁2项集 

2、如果不是频繁一项集，采用F（k-1） * F（k-1）方法通过频繁n-1项集产生候选n项集 

注：F（k-1） * F（k-1）方法在我的另一篇关联算法博客上做了理论上的简单介绍，或者也可以直接参看《数据挖掘导论》 

'''  

def get_candidata( frequence, num ):  

length = len(frequence)  

candidate =[]  

if  num == 1:  

for each in itertools.combinations(frequence,2):  

tmp = list(each)  

tmp3 = []  

tmp3.append(tmp[0])  

tmp3.append(tmp[1])  

candidate.append(tmp3)  

else:  

for i in range(0,length-1):  

tmp1 = copy.deepcopy(frequence[i])  

tmp1.pop(num-1)  

for j in range(i+1, length):  

tmp2 = copy.deepcopy(frequence[j])  

tmp2.pop(num-1)  

if  tmp1 == tmp2:  

tmp3 = copy.deepcopy(frequence[i])  

tmp3.append(frequence[j][num-1])  

candidate.append(tmp3)  

candidate2 = pre_test(candidate, num, frequence)  

return candidate2  

''''' 

main程序 

'''  

if __name__=='__main__':  

dataset = getDataSet('dataset.txt')  

Item = find_item(dataset)  

num = 0  

frequenceItem= []  

''''' 

通过事务集找到频繁项集，直至频繁n项集为空，则退出循环 

'''  

while 1:  

if num == 0:  

candidate = Item  

else:  

candidate = get_candidata(frequenceItem[num-1],num)  

frequenceItem.append(find_frequent( candidate, dataset, num))  

if frequenceItem[num] == []:  

frequenceItem.pop(num)  

break  

num = num+1  

''''' 

打印出频繁项集 

'''  

for each in frequenceItem:  

print each  




目录位置：

编译结果：

事务集合