Apriori算法是数据挖掘中十分经典的算法,在关联度的计算中会经常用到,通过实现来更好的理解Apriori算法。
Apriori定律
1:如果一个集合是频繁项集,则它的所有子集都是频繁项集。举例:假设一个集合{A,B}是频繁项集,即A、B同时出现在一条记录的次数大于等于最小支持度min_support,则它的子集{A},{B}出现次数必定大于等于min_support,即它的子集都是频繁项集。
2:如果一个集合不是频繁项集,则它的所有超集都不是频繁项集。举例:假设集合{A}不是频繁项集,即A出现的次数小于min_support,则它的任何超集如{A,B}出现的次数必定小于min_support,因此其超集必定也不是频繁项集。
只计算了频繁项集的支持度,置信度在后续实现。
该算法主要分为连接和剪枝两个步骤,都在函数getNextCandidate()中,其中又有许多借助于PHP函数的关键步骤,如:判断子集是否是候选集,判断是否有重复项等等,具体参考代码。
代码如下:
<?php
include "readFile.php";
/**
* *实现Apriori算法
* @author [email protected]
*
*/
class Apriori{
public static $dCountMap = array(); //频繁集的记数表
private static $MIN_SUP = 0.2; //最小支持度
private static $MIN_CONF = 0.8; //最小置信度
private static $confCount = array(); //置信度记录表
private static $confItemset = array(); //满足支持度的集合
/**
* 算法的第一次迭代,对每个项出现次数计数
* @param $data 存储数据的二维数组
* @return $list 返回候选1项集
*/
public function getFristCandiate($data){
$count = array();
for($i = 0; $i < sizeof($data); $i++){
for($j = 0; $j < sizeof($data[$i]); $j++){
if(!in_array($data[$i][$j], $count))
array_push($count, $data[$i][$j]);
}
}
$list = array();
for($i = 0; $i < sizeof($count); $i++){
$arr = array();
array_push($arr, $count[$i]);
$list[$i] = $arr;
}
return $list;
}
/**
* 求出CItemset中满足最低支持度集合
* @param $CItemset 备选集
*/
public function getSupportedItemset($data, $CItemset){
$end = true;
$supportedItemset = array();
$n = sizeof($CItemset[0])-1;//记录这是第几项集
$k = 0;
for($i = 0; $i < sizeof($CItemset); $i++){
$count = $this->countFrequent($data, $CItemset[$i]);//统计记录数
if($count >= self::$MIN_SUP * (sizeof($data) - 1)){
$supportedItemset[$k] = $CItemset[$i];
self::$dCountMap[$n][$k] = $count;
$k++;
}
}
//var_dump(self::$dCountMap);
return $supportedItemset;
}
/**
* 统计数据库记录data出现 备选集 中的集合的个数
* @param $data 数据表
* @param $list 备选集中的某一项
*/
public function countFrequent($data, $list){
$count = 0;
for($i = 0; $i < sizeof($data); $i++){
$record = true;
for($k = 0; $k < sizeof($list); $k++){
if(!in_array($list[$k], $data[$i])){
$record = false;
break;
}
}
if($record){
$count++;
}
}
return $count;
}
/**
* 根据cItemset求出下一级的备选集合组,求出的备选集合组中的每个集合的元素的个数
* 比cItemset中的集合的元素大1
* @param $CItemset
* @return $nextItemset
*/
public function getNextCandidate($CItemset){
$nextItemset = array();
$count = 0;
//取出每一项集
for($k = 0; $k < sizeof($CItemset); $k++){
//遍历其他项集的每一个元素,判断是否存在于该项集,如果不存在,则该加入该元素
for($i = $k + 1; $i < sizeof($CItemset); $i++){
for($j = 0; $j < sizeof($CItemset[$i]); $j++){
if(!in_array($CItemset[$i][$j], $CItemset[$k])){
$tmp = $CItemset[$k];//先临时储存,满足条件后在加入进去
//剪枝:即去掉子集不是频繁的项集
if($this->isSubsetInC($tmp, $CItemset[$i][$j], $CItemset)){
array_push($tmp, $CItemset[$i][$j]);
//去掉重复项
if(!$this->isHave($tmp, $nextItemset)){
$nextItemset[$count] = $tmp;
$count++;
}
}
}
}
}
}
return $nextItemset;
}
/**
* 剪枝:即去掉子集不是频繁的项集
* @param $itemset 前一项集的某一项,判断能否加入新项后是否是平凡集
* @param $key 即将加入的一项
* @param $CItemset 前一项集
*/
public function isSubsetInC($itemset, $key, $CItemset){
$record = 0; //记录子集匹配的个数
for($i = 0; $i < sizeof($itemset); $i++){
for($j = 0; $j < sizeof($CItemset); $j++){
$subset = $itemset;
$subset[$i] = $key;//分别替换掉每一项就是子集
//如果相等,则记录加一
if(sizeof(array_diff($subset, $CItemset[$j])) == 0){
$record++;
break;
}
}
}
if($record == sizeof($itemset)){
return true;
}
return false;
}
/**
* 判断将要加入的项是否已经存在是否已经存在
* @param $list 将要加入的项
* @param $itemset 项集
*/
public function isHave($list, $itemset){
for($i = 0; $i < sizeof($itemset); $i++){
if(sizeof(array_diff($list, $itemset[$i])) == 0){
return true;
}
}
return false;
}
}
$CItemset = array();//备选集
$lItemset = array();//获取备选集$CItemset满足支持度的集合
$n = 0;
$apriori = new Apriori();
$CItemset[$n] = $apriori->getFristCandiate($data); //获取第一次的备选集
$lItemset[$n] = $apriori->getSupportedItemset($data, $CItemset[$n]); //获取备选集$CItemset满足支持度的集合
$flag = true;
while ($flag) {
$itemset = $apriori->getNextCandidate($lItemset[$n]);// 获取第下一次的备选集
if(sizeof($itemset) == 0){
$flag = false;
break;
}
$CItemset[$n+1] = $itemset;
$lItemset[$n+1] = $apriori->getSupportedItemset($data, $CItemset[$n+1]); //获取本次备选集$CItemset满足支持度的集合
$n++;
}
var_dump($CItemset);
var_dump($lItemset);
var_dump(Apriori::$dCountMap);
文章参考自:http://www.cnblogs.com/fengfenggirl/p/associate_apriori.html#2752667