BUC算法简介与python实现

冰山立方体这里听的不是很明白，BUC算法也是有点懵，借着实验也整理一下思路吧。

一、冰山立方体与BUC算法简介

1. 冰山立方体

2. BUC算法

• 算法简介
• 算法流程

• 举例

二、代码实现

1. 输入数据 input.csv

给冰山立方体设定了a, b, c, d四个维度，其取值分别有

a: a1, a2

b: b1, b2, b3, b4

c: c1, c2

d: d1, d2

并取最小支持度

随机选择测试数据如下：

a1	b1	c1
a1	b1	c1
a1	b1	c2
a1	b1	c2
a2	b1	c2
a2	b2	c1
a2	b3	c2
a2	b3	c2
a2	b4	c1

2. python代码

import numpy as np

# 读入数据
file = open(r"input.csv", 'r', encoding='utf-8')
data = []
for line in file:
    line = line.replace("\n", "")
    data.append(line.split(","))
file.close()
print(data)

numDims = len(data[0]) # 维的总数
cardinality = [] # cardinality[i]存放第i维的取值个数
min_sup = 3 # 最小支持度为3
outputRec = [] # 当前输出记录
dataCount = [] # 存放每个值的出现次数
result = {}

for i in range(numDims):
    cardinality.append(0)
    tmp = {}
    dataCount.append(tmp)
# 计算每个值在data中出现的次数，储存在dataCount中
for i in range(len(data)):
    for j in range(numDims):
        #print(data[i][j])
        if data[i][j] not in list(dataCount[j].keys()):
            cardinality[j] = cardinality[j] + 1 # 如果该值没有出现过，则该维度上的取值数目加一
            dataCount[j][data[i][j]] = 1 # 如果该值没有出现过，把该值出现的次数初始化为一
        else:
            dataCount[j][data[i][j]] = dataCount[j][data[i][j]] + 1 # 如果该值之前出现过，则该值出现的次数加一

print("cardinality:", cardinality)
print("dataCount:", dataCount)

# 计算某个项集组合出现的次数，target是一个列表，比如想要计算['a1','b2']出现过多少次，则写成countPairs(['a1','b2'])
def countPairs(input, target):
    count = 0
    for record in input:
        flag = True
        for x in target:
            if x not in record:
                flag = False
        if flag:
            count = count + 1
    return count

# 递归计算
# input是子列表
# dim是当前计算的维度(从dim计算到last dim）
def BUC(input, dim):
    if dim>=numDims:
        return

    # 得到子记录，从dim->lastDim
    sub_input = []
    for record in input:
        tmp = []
        for i in range(dim,numDims):
            tmp.append(record[i])
        sub_input.append(tmp)

    for line in sub_input:
        #print(line)
        xx = []
        print(len(line))
        xx.append(line[0])
        if countPairs(sub_input, xx) < min_sup: # 先判断当前值是否满足min_sup，若不满足，剪枝
            continue
        else:
            result[tuple(xx)] = countPairs(sub_input, xx) # 将单项加入到result中
            #if dim>=1:
            for i in range(1,numDims-dim): # 若当前维值满足min_sup，则从dim+1->numDims依次计算count值
                xy = []
                #print(x)
                xy.append(line[0])
                #print("i:",i)
                xy.append(line[i])
                if xy not in list(result.keys()) and countPairs(sub_input, xy)>=min_sup: # 如果未在结果中但是count>=min_sup，那么把它加到结果中
                    result[tuple(xy)] = countPairs(sub_input, xy)
                print(result)

    BUC(input,dim+1)

BUC(data, 0)
print("result:", result)

3. 输出结果 result

理想输出应该是递归地输出满足最小支持度的冰山立方体单元

本次输出的结果为

result: {('a1',): 3, ('a1', 'b1'): 3, ('a2',): 5, ('a2', 'c2'): 3, ('b1',): 4, ('b1', 'c2'): 3, ('c1',): 3, ('c2',): 5}

参考内容

1. 夹心学长的博客 https://blog.csdn.net/yanjiaxin1996/article/details/80140489

2. https://blog.csdn.net/mamianskyma/article/details/15494471