Python实现Apriori
2016-02-03 23:26
567 查看
Python实现Apriori
运行环境
Pyhton3计算过程
st=>start: 开始 e=>end: 结束 op1=>operation: 读入数据 op2=>operation: 递归生成频繁项集 op3=>operation: 关联规则挖掘 op4=>operation: 输出结果 st->op1->op2->op3->op4->e
输入样例
/* Apriori.txt */ 文本编号 词列表(以空格分隔) 1 消防员 冲进 火场 救出 男童 2 公务员 患 癌症 保持 在岗 3 消防员 多次 冲进 火场 救人 不幸 身亡 4 老人 成功 进行 免费 白内障 手术 5 海豚 误 吞 排球 后 手术 成功 取出 6 6旬 老人 跳楼 自杀 身亡 7 男子 跳楼 自杀 身亡 8 疑犯 枪杀 出租车 司机 9 男子 枪杀 妻子 后 自杀 10 医师 误 把 肾脏 当 肝脏 致人 身亡 11 癌症 老人 成功 手术 12 男子 枪杀 司机 后 喝药 自杀 13 癌症 医师 保持 手术 清醒 14 男子 跳楼 自杀 15 男子 枪杀 老人 后 自杀 16 消防员 冲进 火场 将 男童 救出 17 出租车 司机 免费 搭载 老人 18 男子 误 杀 弟媳 后 自杀 身亡 19 医师 误 把 患者 肝脏 捅破 致人 身亡 20 6旬 老人 火场 救人 不幸 身亡
代码实现
# -*- coding: utf-8 -*- __author__ = 'Wsine' def loadDataSet(fileName): attrTemp = [] with open(fileName) as fr: for line in fr.readlines()[1:]: words = line.strip().split('\t')[1].split() attrTemp.extend(words) attr = list(set(attrTemp)) dataSet = [] with open(fileName) as fr: for line in fr.readlines()[1:]: words = line.strip().split('\t')[1].split() data = [] for word in words: for index, _word in enumerate(attr): if word == _word: data.append(index) break dataSet.append(data) return dataSet, attr def createC1(dataSet): """ 输入:数据集 输出:所有大小为1的候选项集合C1 """ C1 = [] for transaction in dataSet: for item in transaction: if not [item] in C1: C1.append([item]) C1.sort() return list(map(frozenset, C1)) def scanD(D, Ck, minSupport): """ 输入:数据集集合, 候选项集, 最小支持度 输出:最频繁项集的支持度 """ ssCnt = {} for tid in D: for can in Ck: if can.issubset(tid): if not can in ssCnt: ssCnt[can] = 1 else: ssCnt[can] += 1 numItems = float(len(D)) retList = [] supportData = {} for key in ssCnt: support = ssCnt[key] / numItems if support >= minSupport: retList.insert(0, key) supportData[key] = support return retList, supportData def aprioriGen(Lk, k): """ 输入:频繁项集列表, 项集元素个数 输出:合并后的项集列表 """ retList = [] lenLk = len(Lk) for i in range(lenLk): for j in range(i+1, lenLk): L1 = list(Lk[i])[:k-2] L2 = list(Lk[j])[:k-2] L1.sort() L2.sort() if L1 == L2: retList.append(Lk[i] | Lk[j]) return retList def apriori(dataSet, minSupport=0.5): """ 输入:数据集, 最小支持度 输出:候选项集列表 """ C1 = createC1(dataSet) D = list(map(set, dataSet)) L1, supportData = scanD(D, C1, minSupport) L = [L1] k = 2 while (len(L[k-2]) > 0): Ck = aprioriGen(L[k-2], k) Lk, supK = scanD(D, Ck, minSupport) supportData.update(supK) L.append(Lk) k += 1 return L, supportData def calcConf(freqSet, H, supportData, br1, minConf=0.7): """ 输入:频繁项集, 所有项集, 支持度数据, 通过检查的bigRuleList, 最小置信度 输出:满足最小置信度要求的规则列表 """ prunedH = [] for conseq in H: conf = supportData[freqSet] / supportData[freqSet - conseq] if conf >= minConf: #print(freqSet - conseq, '-->', conseq, 'conf:', conf) br1.append((freqSet - conseq, conseq, conf)) prunedH.append(conseq) return prunedH def rulesFromConseq(freqSet, H, supportData, br1, minConf=0.7): """ 输入:频繁项集, 所有项集, 支持度数据, 通过检查的bigRuleList, 最小置信度 描述:生成更多的关联规则 """ m = len(H[0]) if (len(freqSet) > (m + 1)): Hmp1 = aprioriGen(H, m + 1) Hmp1 = calcConf(freqSet, Hmp1, supportData, br1, minConf) if (len(Hmp1) > 1): rulesFromConseq(freqSet, Hmp1, supportData, br1, minConf) def generateRules(L, supportData, minConf=0.7): """ 输入:频繁项集列表, 包含频繁项集支持数据的字典, 最小置信度 输出:置信度规则列表 """ bigRuleList = [] for i in range(1, len(L)): for freqSet in L[i]: H1 = [frozenset([item]) for item in freqSet] if (i > 1): rulesFromConseq(freqSet, H1, supportData, bigRuleList, minConf) else: calcConf(freqSet, H1, supportData, bigRuleList, minConf) return bigRuleList def printRules(rules, attr): for rule in rules: ruleFrom = [] ruleFromSet = set(rule[0]) while len(ruleFromSet) > 0: ruleFrom.append(attr[ruleFromSet.pop()]) ruleTo = [] ruleToSet = set(rule[1]) while len(ruleToSet) > 0: ruleTo.append(attr[ruleToSet.pop()]) print(ruleFrom, '-->', ruleTo) print('\tconf: ', rule[-1]) def main(): dataSet, attr = loadDataSet('Apriori.txt') L, supportData = apriori(dataSet, minSupport=0.2) print('二项集', L[1]) print('三项集', L[2]) rules = generateRules(L, supportData, minConf=0.2) printRules(rules, attr) if __name__ == '__main__': main()
输出样例
二项集 [frozenset({32, 39}), frozenset({32, 46}), frozenset({46, 39})] 三项集 [frozenset({32, 46, 39})] ['自杀'] --> ['男子'] conf: 0.8571428571428572 ['男子'] --> ['自杀'] conf: 1.0 ['后'] --> ['男子'] conf: 0.8 ['男子'] --> ['后'] conf: 0.6666666666666667 ['自杀'] --> ['后'] conf: 0.5714285714285715 ['后'] --> ['自杀'] conf: 0.8 ['自杀'] --> ['男子', '后'] conf: 0.5714285714285715 ['后'] --> ['男子', '自杀'] conf: 0.8 ['男子'] --> ['后', '自杀'] conf: 0.6666666666666667
相关文章推荐
- Python实现DBScan
- leetcode之Best Time to Buy and Sell Stock II
- Python 第十五章 电子邮件
- Python实现kMeans(k均值聚类)
- leetcode之Best Time to Buy and Sell Stock
- SAE: Python Django 如何 syncdb 到线上数据库
- Python与Qt UI的图形界面编程(三)
- Python与Qt UI的图形界面编程(二)
- Python 14.3 UDP编程
- Python与Qt UI的图形界面编程(一)
- 《笨办法学Python》 第32课手记
- Python实现SVM(支持向量机)
- Python开发简单爬虫(笔记)
- Python游戏引擎开发(五):Sprite精灵类和鼠标事件
- Python之set集合
- python小白-day5 time&datetime模块
- python-----读写操作
- Python+Django+SAE系列教程15-----输出非HTML内容(图片/PDF)
- Python学习二
- python3 随机数