数据挖掘之关联规则挖掘之Apriori算法实现

算法细节见论文：Fast Algorithm for Mining Association Rules

 图形化版本工程+测试用例下载戳这http://download.csdn.net/detail/michealtx/4266155

控制台版本C++代码如下：

#include <iostream>#include <sstream>#include <fstream>#include <vector>#include <set>#include <map>#include <ctime>using namespace std;//读取文件获取整个数据库存储在database中，fileName必须为char*型，要是用string会报错，in()不认bool ObtainDatabase(vector<set<int> > &database,char *fileName){/*set<int> data;data.insert(1);data.insert(2);data.insert(5);database.push_back(data);data.clear();data.insert(2);data.insert(4);database.push_back(data);data.clear();data.insert(2);data.insert(3);database.push_back(data);data.clear();data.insert(1);data.insert(2);data.insert(4);database.push_back(data);data.clear();data.insert(1);data.insert(3);database.push_back(data);data.clear();data.insert(2);data.insert(3);database.push_back(data);data.clear();data.insert(1);data.insert(3);database.push_back(data);data.clear();data.insert(1);data.insert(2);data.insert(3);data.insert(5);database.push_back(data);data.clear();data.insert(1);data.insert(2);data.insert(3);database.push_back(data);*/ifstream in(fileName);if(!in){cout<<"文件打开失败！"<<endl;return false;}string s="";unsigned int i=0;while(getline(in,s)){//读取一行记录i++;set<int> transaction;int len=s.length();string str="";for(int i=0;i<len;i++){//将记录中的数提取出来if(s[i]!=' '){str+=s[i];}else if(s[i]==' '||i==len-1){//字符串转intstringstream stoi(str);int item=0;stoi>>item;transaction.insert(item);str="";}}database.push_back(transaction);s="";}cout<<i<<endl; //system("pause");return true;}//遍历一遍数据库，创建1-项大项集void CreateItemset(vector<set<int> >&database,vector<set<int> > &largeItemset,unsigned int minSupport,map<set<int>,int> &lm1){map<int,int> dir;map<int,int>::iterator dirIt;vector<set<int> >::iterator databaseIt;set<int> temp;set<int>::iterator tempIt;//根据数据库创建字典，字典形式为<item,count>for(databaseIt=database.begin();databaseIt!=database.end();databaseIt++){temp=*databaseIt;for(tempIt=temp.begin();tempIt!=temp.end();tempIt++){int item=*tempIt;dirIt=dir.find(item);if(dirIt==dir.end()){//item不在字典dir中dir.insert(pair<int,int>(item,1));}else{//item在字典dir中，则将其count值加1(dirIt->second)++;}}}//从字典中选出支持度超过minSopport的itemfor(dirIt=dir.begin();dirIt!=dir.end();dirIt++){if(dirIt->second>=minSupport){set<int> large;large.insert(dirIt->first);largeItemset.push_back(large);lm1.insert(pair<set<int>,int>(large,dirIt->second));}}}//输出大项集void OutputLargeItemset(vector<set<int> > &largeItemset,unsigned int i){cout<<"包含 "<<largeItemset.size()<<" 项的 "<<i<<"-项大项集："<<endl;vector<set<int> >::iterator largeItemsetIt;int j=0;for(largeItemsetIt=largeItemset.begin();largeItemsetIt!=largeItemset.end();largeItemsetIt++){set<int> temp=*largeItemsetIt;cout<<"{ ";for(set<int>::iterator tempIt=temp.begin();tempIt!=temp.end();tempIt++){cout<<(*tempIt)<<" ";}cout<<"}";j++;if(j%4==0){cout<<endl;}}cout<<endl<<endl;}//连接步骤，若it1和it2符合连接条件，则把它们连接为temp，返回true，否则返回falsebool Joint(set<int> &recordI,set<int> &recordJ,set<int> &temp){if(recordI.size()!=recordJ.size()){//俩集合大小不一样，立马返回！return false;}set<int>::iterator it1=recordI.begin();set<int>::iterator it2=recordJ.begin();unsigned int size=recordI.size()-1;for(int i=0;i<size;i++){if(*it1!=*it2){return false;}temp.insert(*it1);it1++;it2++;}if(*it1==*it2){return false;}temp.insert(*it1);temp.insert(*it2);//cout<<"连接"<<*it1<<" "<<*it2<<endl;return true;}//剪枝步骤，若temp的k-1项集有不在L[k-1]中，则剪掉，返回false，否则返回truebool Prune(set<int> &temp,vector<set<int> > &largeTemp){unsigned int size=temp.size();//获取temp的全部k-1项子集，并判断每个子集是否在L[k-1]中for(int i=0;i<size;i++){set<int>::iterator tempIt=temp.begin();set<int> tempMinusOne;//盛放k-1项子集for(int j=0;j<size;j++){if(j!=i){tempMinusOne.insert(*tempIt);}*tempIt++;}//判断tempMinusOne是否在L[k-1]中vector<set<int> >::iterator largeTempIt;bool flag=false;//temp是否被剪掉的标识for(largeTempIt=largeTemp.begin();largeTempIt!=largeTemp.end();largeTempIt++){//对大项集集合largeTemp中的大项集*largeTempIt逐个与tempMinusOne进行比对，看相不相同，相同就会保证flag=true，否则为falseflag=true;set<int> large=*largeTempIt;set<int>::iterator tempMinusOneIt=tempMinusOne.begin();for(set<int>::iterator largeIt=large.begin();largeIt!=large.end();largeIt++){if(*largeIt!=*tempMinusOneIt){flag=false;break;}tempMinusOneIt++;}if(flag==true){//存在了，不用再和其它大项集比较了，浪费时间return true;}}}return false;}//利用L[k-1]，通过连接和剪枝两个步骤，生成候选集集合candidatevoid AprioriGen(vector<set<int> > &largeTemp,vector<set<int> > &candidate){unsigned int largeTempSize=largeTemp.size();unsigned int sizeTemp=largeTempSize-1;vector<set<int> >::iterator largeTempIt=largeTemp.begin();//L[k-1]中的大项集两两连接，求候选集集合for(int i=0;i<sizeTemp;i++,largeTempIt++){//system("pause");cout<<largeTempSize<<" "<<i<<endl;set<int> recordI=*largeTempIt;for(int j=i+1;j<largeTempSize;j++){//cout<<j<<endl;set<int> recordJ=*(largeTempIt+(j-i));set<int> temp;//cout<<"进行连接"<<endl;if(Joint(recordI,recordJ,temp)){//recordI和recordJ能连接成temp，则对temp进行剪枝//cout<<"连接成功，进行剪枝"<<endl; if(Prune(temp,largeTemp)){//temp没有被剪掉，则把它加到候选集的集合中if(!temp.empty())//cout<<"temp不为空，没有被剪掉，成为到候选集"<<endl;candidate.push_back(temp);}//else{cout<<"被剪掉了"<<endl;} }//else{cout<<"不符合连接条件"<<endl; } }//system("pause");}}//对比数据库中的每条交易，计算每个候选集的支持度，选出大于等于最小支持度的候选集来构成L[k]void Subset(vector<set<int> > &database,vector<set<int> > &candidate,vector<set<int> > &largeK,unsigned int minSupport,map<set<int>,int> &lm){vector<set<int> >::iterator databaseIt;vector<set<int> >::iterator candidateIt;for(candidateIt=candidate.begin();candidateIt!=candidate.end();candidateIt++){//对于每个候选集can//bool cunzai=true;set<int> can=*candidateIt;//cout<<"cannnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn"<<endl;unsigned int canCount=0;for(databaseIt=database.begin();databaseIt!=database.end();databaseIt++){//对于数据库中每条交易，查看can是否在其中set<int> data=*databaseIt;if(can.size()>data.size()){continue;//候选集大小大于交易大小，肯定不在这个交易中}set<int>::iterator canIt;for(canIt=can.begin();canIt!=can.end();canIt++){//对于can中每个项，看它是否在交易data中if(data.find(*canIt)==data.end()){break;}}if(canIt==can.end()){//cout<<"在"<<endl;//system("pause");canCount++;                                //cout<<canCount<<endl;}}if(canCount>=minSupport){//canCount只要大于等于最小支持度，我们就退出循环，不再对该候选集进行计数了，浪费时间largeK.push_back(can);lm.insert(pair<set<int>,int>(can,canCount));}}}int main(int argc,char *argv[]){char name[200];string file="";char *fileName="retail.dat";int minSupport=5000;//最小支持度/*string ctl="";cout<<"手动输入文件路径和最小支持度（Y/N）？";cin>>ctl;if(ctl=="Y"||ctl=="y"){cout<<"请依次输入文件路径和最小支持度，用空格隔开。（文件路径要用双斜杠）:\n";cin>>file>>minSupport;strcpy(name,file.c_str());fileName=name;}*/vector<map<set<int>,int> > liss;    clock_t start=clock();vector<set<int> > database;//数据库ObtainDatabase(database,fileName);vector<set<int> > large1;map<set<int>,int> lm1;CreateItemset(database,large1,minSupport,lm1);liss.push_back(lm1);int k=1;vector<set<int> > largeTemp=large1;while(!largeTemp.empty()){OutputLargeItemset(largeTemp,k);k++;vector<set<int> > candidate;AprioriGen(largeTemp,candidate);vector<set<int> > largeK;map<set<int>,int> lm;Subset(database,candidate,largeK,minSupport,lm);largeTemp=largeK;if(largeTemp.empty()){cout<<"L["<<k<<"]为空"<<endl;} else{liss.push_back(lm);}}clock_t end=clock();cout<<"Finish!共用时："<<(end-start)<<"ms"<<endl;system("pause");}