Apriori算法的实现

Apriori使用一种称作逐层搜索的迭代方法，k项集用于探索（k+1）项集。 首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记作L1。然后，L1用于找频繁2项集的集合L2，L2用于找L3，如此下去直到不能再找到频繁k项集。找每个Lk需要一次数据库全扫描。

Apriori定律1 ：如果某商品组合小于最小支持度，则就将它舍去，它的超集必然不是频繁项集。
Apriori定律2 ：如果一个集合是频繁项集，即这个商品组合支持度大于最小支持度，则它的所有子集都是频繁

数据库有5个事务。设min_sup=60%，min_conf=80%

TID	购买的商品
T100	{M,O,N,K,E,Y}
T200	{D,O,N,K,E,Y}
T300	{M,A,K,E}
T400	{M,U,C,K,Y}
T500	{C,O,O,K,I,E}

在程序中，使用Apriori算法，找出频繁项集

步骤：

1. 每个项都是候选1项集的集合C1的成员。算法扫描所有的事务，获得每个项，生成C1（见下文代码中的create_C1函数）。然后对每个项进行计数。然后根据最小支持度从C1中删除不满足的项，从而获得频繁1项集L1。
2. 对L1的自身连接生成的集合执行剪枝策略产生候选2项集的集合C2，然后，扫描所有事务，对C2中每个项进行计数。同样的，根据最小支持度从C2中删除不满足的项，从而获得频繁2项集L2。
3. 对L2的自身连接生成的集合执行剪枝策略产生候选3项集的集合C3，然后，扫描所有事务，对C3每个项进行计数。同样的，根据最小支持度从C3中删除不满足的项，从而获得频繁3项集L3。
4. 以此类推，对Lk-1的自身连接生成的集合执行剪枝策略产生候选k项集Ck，然后，扫描所有事务，对Ck中的每个项进行计数。然后根据最小支持度从Ck中删除不满足的项，从而获得频繁k项集。

 

 vc代码：
#include 
#include
#include
#define D 5 /*D数事务的个数*/
#define MinSupCount 3 /*最小事务支持度数*/
void main()
{
char a[5][6] = {
	{ 'M','O','N','K','E','Y' },
	{ 'D','O','N','K','E','Y' },
	{ 'M','A','K','E' },
	{ 'M','U','C','K','Y'},
	{ 'C','O','O','K','I','E' }
	};
char b[20], d[100], t, b2[100][10], b21[100][10];//b用来保存数据库中的元素
int i, j, k, x = 0, flag = 1, c[20] = { 0 }, x1 = 0, i1 = 0, j1, counter = 0, c1[100] = { 0 }, flag1 = 1, j2, u = 0, c2[100] = { 0 }, n[20], v = 1;
int count[100], temp;
for (i = 0; i= MinSupCount)
		{
			d[x1] = b[k];
			count[x1] = c[k];
			x1++;//L1中元素的个数
		}
	}
//数组D即为L1
/*对选出的项集中的元素进行排序*/
for (i = 0; id[j + 1])
		{
		t = d[j]; d[j] = d[j + 1]; d[j + 1] = t;
		temp = count[j]; count[j] = count[j + 1]; 		count[j + 1] = temp;
		}
	}
}
/*打印出L1*/
printf("L1 elements are:\n");
for (i = 0; ia[i][k + 1])
			{
			t = a[i][k];
			a[i][k] = a[i][k + 1];
			a[i][k + 1] = t;
			}
		}
	}
}
/*把L1中的每一个元素都放在b2[i][0]中*/
j1 = x1;//j1初始设置为L1中元素的个数。
for (i = 0; i= MinSupCount)
	{
		if (v == 1)
	{
		printf("L%d elements are:\n", k);
		v = 0;
	}
	printf("{");
	for (j = 0; j