数据挖掘apriori算法Java代码实现

 package apriori;
 import java.util.*;
 import java.io.*;
 public class Aprioti {

     public static int K_Item=3;//产生的频繁项集数，但其实在我这里不是真正的项集数，只是迭代的次数，在[beer,Ham][cola,diaper]这种情况下会产生频繁4项集！！
                                //只要修改一下就可以，但是我觉得这样也好所以就没有修改
     public static double min_support_count =2;//最小支持度计数值
     public static String path="F:\\FirstGit\\apriori\\";
     public static List<Itemset>AllItemSet = new ArrayList<Itemset>();

     public static Itemset originalItem = new Itemset();
     public static void main(String [] args)
     {
         aprioriProcess();
     }

     public static void aprioriProcess()
     {
         readItemFromText(path,originalItem);//读取硬盘上的数据集
         Itemset firstItemSet =new Itemset();
         gen_first_item_set(firstItemSet);//首先生成频繁1项集
         int K =K_Item;
         Itemset forwordItemSet =firstItemSet;
         delete_blew_support_count(forwordItemSet);//去除低于最小支持度计数的项集
         AllItemSet.add(firstItemSet);//将所有的频繁项集保存起来

         while(K--!=0)
         {
             Itemset backwordItemSet =new Itemset();
             apriori_gen(forwordItemSet,backwordItemSet);//根据频繁K-1项集生成频繁K项集
             delete_blew_support_count(backwordItemSet);//去除小于支持度计数的项集
             AllItemSet.add(backwordItemSet);
             forwordItemSet=backwordItemSet;//将指针指向频繁K-1项集
         }

         printResult();//输出结果
     }

     public static void printResult()
     {
         for(int i=0;i<AllItemSet.size();i++)
         {
             Itemset itemset = AllItemSet.get(i);

             for(TreeSet<String> everyItem : itemset.itemset)
             {
                 System.out.println(everyItem.toString());
             }
         }
     }
     /*
      * 不可以一边遍历一边删除集合中的数据，这样会让你的集合遍历不完整或者越界！
      */
     public static void delete_blew_support_count(Itemset itemset)
     {
         /*
          * 在这里可以用迭代器iterator也可以用size()的形式来，
          * 其中用iterator会遍历的时候不可以删除元素
          * 用size可以删除元素，但是最后的n（n是中途被删除的个数）个元素就没有遍历到！！！！
          */

         ArrayList<Integer> deleteSetNum= new ArrayList<Integer>();
         for(int i=0;i<itemset.itemset.size();i++)
         {

             double suppoutCount=0;
             TreeSet<String> item = itemset.itemset.get(i);
             boolean isPinfan=false;
             for(TreeSet<String> oriItem : originalItem.itemset)
             {
                 if(contain(oriItem,item))
                     suppoutCount++;
                 if(suppoutCount>=min_support_count)
                 {
                     isPinfan=true;
                     break;
                 }
             }
             if(!isPinfan)
                 deleteSetNum.add(i);
         }
         for(int j=deleteSetNum.size()-1;j>=0;j--)
         {
             //System.out.println(deleteSetNum.get(j));
             itemset.itemset.remove((int)deleteSetNum.get(j));
         }
         /*
          * 下面这种做法由于remove
          * 的时候会改变集合的大小，所以不可以从头开始remove只可以从后面remove
          * 这样就保证不会越界
          */
 //      for(int  i :deleteSetNum)
 //      {
 //          System.out.println(i);
 //          itemset.itemset.remove(i);
 //      }
     }
     //产生1项集
     public static void gen_first_item_set(Itemset firstItemSet)
     {
         TreeSet<String> itemset = new TreeSet<String>();
         for(TreeSet<String> per_ori_item : originalItem.itemset)
         {
             for(String item : per_ori_item)
             {
                 itemset.add(item);
             }
         }
         for(String word : itemset)
         {
             TreeSet<String> everyitemset = new TreeSet<String>();
             everyitemset.add(word);
             firstItemSet.itemset.add(everyitemset);
         }
     }

     /*
      * 根据K-1项频繁产生频繁K项项集
      */
     public static  void apriori_gen(Itemset one_item,Itemset second_item)
     {

         for(int i=0;i<one_item.itemset.size();i++)
         {
             for(int j=i+1;j<one_item.itemset.size();j++)
             {
                 TreeSet<String> newItem=new TreeSet<String>();
                 for(String peritem: one_item.itemset.get(i))
                 {
                     newItem.add(peritem);
                 }
                 for(String peritem: one_item.itemset.get(j))
                 {
                     newItem.add(peritem);
                 }

                 //如果没有非频繁K-1项集，加入k项集

                 if(!has_infrequent_subset(newItem,one_item))
                 {
                     if(!find_in_already_set(newItem,second_item))//并且项集没有在之前出现
                        second_item.itemset.add(newItem);
                 }
             }
         }
     }
     public static boolean find_in_already_set(TreeSet<String> newItem,Itemset second_item)
     {
         for(int i=0;i<second_item.itemset.size();i++)
         {
             if(newItem.equals(second_item.itemset.get(i)))//记住，TreeSet也可以用equals,这个函数真是好用，不过有时候效率低
                     return true;
         }
         return false;
     }
     public static  boolean has_infrequent_subset(TreeSet<String> newitem,Itemset one_item1)//这里写错了！
     {
         for(TreeSet<String> k_1_item : one_item1.itemset)
         {
             if(!contain(newitem,k_1_item))
                 return false;
         }
         return true;
     }
     public static boolean contain(TreeSet<String> big,TreeSet<String>small)
     {
         for(String smallWord : small)
         {
             if(!big.contains(smallWord))
                 return false;

         }
         return true;
     }
     public static  void readItemFromText(String path,Itemset originalItem)
     {
         File file =new File(path);
         if(file.isDirectory())
         {
             String [] filelist = file.list();
             for(int i =0;i<filelist.length;i++)
             {
                 try {
                     BufferedReader br = new BufferedReader(new FileReader(new File(path+filelist[i])));
                     String line =null;
                     while((line = br.readLine())!=null)
                     {
                         String [] lineword = line.split("[^\\S]+");
                         TreeSet<String> itemset = new TreeSet<String>();
                         for(String word : lineword)
                         {
                             itemset.add(word);
                         }
                         originalItem.itemset.add(itemset);
                     }

                 } catch (Exception e) {

                     e.printStackTrace();
                 }

             }
         }
     }
 }

上面代码中用到的Itemset,由于不想老是写那么长的代码，所以就将其封装为一个类

 package apriori;
 import java.util.*;

 public class Itemset {
     public ArrayList<TreeSet<String>> itemset = new ArrayList<TreeSet<String>>();
 }

输入的数据集如下：

Cola Egg Ham
Cola Diaper Beer
Cola Diaper Beer Ham
Diaper Beer

输出结果如下：

[Beer]
[Cola]
[Diaper]
[Ham]
[Beer, Cola]
[Beer, Diaper]
[Cola, Diaper]
[Cola, Ham]
[Beer, Cola, Diaper]

其实还有两个地方没有改正，不过对于入门的同学应该可以看看，求指正批评！！