Apriori算法详解及java代码实现

Ck=apriori_gen(Lk-1); // 产生候选，并剪枝

For each 事务t in D{ // 扫描D进行候选计数

Ct =subset(Ck,t); // 得到t的子集

For each 候选c 属于 Ct

c.count++;

}

Lk={c属于Ck | c.count>=min_sup}

}

Return L=所有的频繁集；

Procedure apriori_gen(Lk-1:frequent(k-1)-itemsets)

For each项集l1属于Lk-1

For each项集 l2属于Lk-1

If((l1[1]=l2[1])&&( l1[2]=l2[2])&&……..

&& (l1[k-2]=l2[k-2])&&(l1[k-1]<l2[k-1])) then{

c=l1连接l2 //连接步：产生候选

if has_infrequent_subset(c,Lk-1) then

delete c; //剪枝步：删除非频繁候选

else add c to Ck;

}

Return Ck;

Procedure has_infrequent_sub(c:candidate k-itemset; Lk-1:frequent(k-1)-itemsets) For each(k-1)-subset s of c

If s不属于Lk-1 then

Return true;

Return false;

4． 由频繁项集产生关联规则

Confidence(A->B)=P(B|A)=support_count(AB)/support_count(A)

关联规则产生步骤如下：

1） 对于每个频繁项集l，产生其所有非空真子集；

2） 对于每个非空真子集s,如果support_count(l)/support_count(s)>=min_conf，则输

出 s->(l-s)，其中，min_conf是最小置信度阈值。