基於STL的關聯規則 Apriori 演算法的設計與實現

   關聯規則association rule mining是眾多“規則類”資料採礦方法中的一種，對於關聯規則的基本理論（假定讀者已經瞭解）不在這裡詳細敘述，下面主要就演算法的設計進行描述。

   Apriori演算法的主要思想:   1、根據Apriori性質“頻繁項集的子集一定是頻繁項集，非頻繁項集的超集一定是非頻繁項集”構造候選項集，然後通過遍曆交易資料庫來計算候選項集的支援度，得到頻繁項集；   2、由頻繁項集產生關聯規則。  我認為，關聯規則在理論上是比較簡單的，相信很多人都會有這種感覺，但要真正做演算法的設計與實現，反而是相當有難度的。問題的關鍵是：無法設計出頻繁項集（一種適合1－項集、2－項集...n－項集的通用的資料結構）、規則的合理的資料結構。沒有這兩個資料結構，要實現關聯規則就是“紙上談兵”、或許是“霧裡看花”也說不準。   規則的資料結構比較好設計，一條規則無非就是包含這麼幾個成員（規則的條件、結論，支援度，可信度，提升度），因此一條規則可以用一個結構體（rule)表示:typedef struct{ char condition[80]; char conclusion[80]; double sup; double conf; double lift;}rule;    所有的規則，可以看作是這個結構體的列表（list<rule> lst_rule）或可變數組（vector<rule> vt_rule)。/*  anything,send me email datamining@163.com my QQ 275869936It comes from http://blog.sina.com.cn/dataminer321 */    項集的資料結構就比較複雜了。先對項集的結構和用處描述一下，讓我們對它有一個整體瞭解。    項集和每個事務的項的集合是類似的，都是幾個項的集合{a,b,c,d,e,g...}，元素(項）的個數為1...n（n－項集的情況）。    項集的用處：    1、由兩個頻繁n項集串連為一個侯選n＋１項集    2、在計算候選項集的支援度的時候，判斷某個候選項集是否在當前的事務中（輔助函數2）。    這就要求項集的資料結構必須能夠容納n個，同時也能容納n＋１個項，即項集的資料結構必須適應項個數的變化．     在這裡，我給出項集的一種資料結構包含兩部分：一、儲存項的集合的字串（同時也適合事務）；二、支持度計數。  可以採用map<string,int> 儲存，第一個參數為字串，即STL中的string，項集（或事務）以字串形式儲存，其中項與項之間以符號＂｜＂間隔，如由項a,b,c構成的項集，表示為string m_Itemset="a|b|c" 格式。使用的時候，由輔助函數1，可根據＂｜＂對字串m_Itemset進行拆分，將每一個項儲存到 vector<string> vt_itemset中，vector中的每個元素為一個項。    第二個參數為支持度計數。     下面我們來討論一下第二步，即由頻繁項集建置規則，這一步的程式實現在論文中很少提及，大家都主要討論第一步，即產生頻繁項集，可能是因為改進第一步對於提高apriori效能是至關重要的。   一個n-項集可以產生2的n次方減2條規則（每一條規則的條件和結論的項的集合是整個項集中的項，即n個項）【方法1】，在這裡不要考慮多了，如每一個n-項集包含n個n-1項集，每一個n-1項集也可以產生2的n-1次方減2條規則。原因是我們的頻繁項集中包含頻繁1-項集、頻繁2-項集...直到頻繁n-項集（而不是只儲存最大長度頻繁項集），只要我們按照【方法1】對每一個頻繁項集都產生其對應的規則，就得到了所有的規則。  輔助函數1：/*函數調用舉例：m_strSource="a|b|c";//輸入參數substr="|";  //輸入參數vector<string> vItem;GetItemsFromString(m_strSource,vItem,substr);vItem[0]="a";  //輸出參數vItem[1]="b";vItem[2]="c";*/void GetItemsFromString(string &m_strSource,vector<string> &vItem,string substr)
{
 vItem.clear();
 int j;
 int i=m_strSource.find(substr,0);
 
 if (i==-1)
 {
  //m_strSource is a Item
  vItem.push_back(m_strSource);
 }
 else
 {
  string m_strTemp=m_strSource.substr(0,i);
  vItem.push_back(m_strTemp);
  
  while(i!=-1)
  {
   j=m_strSource.find(substr,i+1);
   
   if(j==-1)
   {
    m_strTemp=m_strSource.substr(i+1,m_strSource.size()-i-1);
    vItem.push_back(m_strTemp);
   }
   else
   {
    m_strTemp=m_strSource.substr(i+1,j-i-1);
    vItem.push_back(m_strTemp);
   }
   
   i=j;
  } //end of while
 }//end of else
}
輔助函數2：判斷候選項集v1是否在事務v2中

bool IsIn(const vector<string> &v1,const vector<string> &v2)
{
 int nSize1=v1.size();
 int nSize2=v2.size();
 
 for(int i=0;i<nSize1;i++) //for1
 {
  bool m_bFlag1=false;
  for(int j=0;j<nSize2;j++)  //for2
  {
   if(v1[i]==v2[j])
   {
    m_bFlag1=true;
    break;
   }
   
  }// end of for2
  
  if (!m_bFlag1)
   return false;
  
 }// end of for1
 
 return true;
 
}

 

有了這兩個資料結構和輔助函數，相信你能夠設計出你的關聯規則挖掘演算法。