在Apriori算法中，如何提高apriori算法的效率是關(guān)聯(lián)規(guī)則挖掘中的經(jīng)典算法。Python apriori如何使用類Apriori(object):def _ _ init _ _(self，本文對Apriori算法進(jìn)行分析，利用Apriori算法生成頻繁項(xiàng)集。

Apriori算法是發(fā)現(xiàn)頻繁項(xiàng)集的基本算法。該算法利用了頻繁項(xiàng)集的先驗(yàn)知識。Apriori算法使用一種稱為逐層搜索的迭代方法，在這種方法中，使用k個項(xiàng)集來探索(k 1)個項(xiàng)集。首先通過掃描數(shù)據(jù)庫，累計(jì)每個項(xiàng)目的計(jì)數(shù)，收集滿足最小支持度的項(xiàng)目，找出頻繁項(xiàng)目集的集合。該集合被表示為L1。然后，用L1尋找頻繁2項(xiàng)集的集合L2，用L2尋找L3，以此類推，直到再也找不到頻繁k項(xiàng)集。

(2)根據(jù)最小支持度min_sup，由候選L項(xiàng)集的集合Cl生成頻繁1項(xiàng)集的集合LL；(3)對于KL；(4)由Lk執(zhí)行鏈接和修剪操作以生成候選(k 1)。根據(jù)最小支持度min_sup設(shè)置項(xiàng)目集(5)的CK 1，頻繁(k 1)項(xiàng)目集的集合LK 1由候選(k 1)的集合CK 1生成。(6)如果L？≠ ①，然后k.k 1，跳到步驟(4)；

算法:Apriori輸入:d事務(wù)數(shù)據(jù)庫；Min_sup最小支持計(jì)數(shù)閾值輸出:ld方法中的頻繁項(xiàng)集:L1 find _ frequency _ 1項(xiàng)集(d)；//查找(k2的所有頻繁項(xiàng)集；Lk1！nullk ){ Ckapriori_ gen(Lk1)；//生成候選，剪枝Foreach事務(wù)tinD{//掃描d候選計(jì)數(shù)Ctsubset(Ck，

Apriori算法是關(guān)聯(lián)規(guī)則挖掘中的經(jīng)典算法。Apriori算法利用頻繁項(xiàng)集的先驗(yàn)知識，采用逐層搜索的迭代方法。通過掃描數(shù)據(jù)庫，累積每個項(xiàng)目的計(jì)數(shù)，并收集滿足最小支持度的項(xiàng)目。需要掃描一次數(shù)據(jù)庫才能找到每個Lk，隨著數(shù)據(jù)量和頻繁項(xiàng)集的增加，算法的效率很低。本文分析了Apriori算法，并應(yīng)用了哈希、事務(wù)壓縮、劃分、采樣等方法。

class apriori(object):def _ _ init _ _(self，):self。最低限度的自立，min _ confidence 50自我。Line _ num0 #項(xiàng)目自身的行數(shù). item_startitem_start#項(xiàng)目自身的哪一行，Item _ enditem _ endself。外景[[I]應(yīng)拍？foriinrange(self . item _ end . item _ start 1)]self . support self . SUT(self . location)self . numlist(sorted(set([jforinself . location for Jini])# Record items self . pre _ support[]#保存以前的支持。