Apriori算法实现

一、简介

Apriori算法是一种经典的频繁项集挖掘算法，广泛用于数据挖掘领域。它主要用于关联规则学习，即在数据集中发现哪些项目经常一起出现。典型的应用场景如超市购物分析，通过Apriori算法可以揭示“购买面包的人往往也会购买牛奶”这样的关联规则。

二、Apriori算法原理

Apriori算法的核心思想基于频繁项集的特性：如果一个项集是频繁的，那么它的所有子集也必然是频繁的；反之，若项集是非频繁的，则它的所有超集也必然非频繁，这一特性称为Apriori性质。

三、Apriori算法流程

  1. 初始化：设定最小支持度阈值（minsup）和最小置信度阈值（minconf），从单项集开始构建候选集。
  2. 生成频繁项集：通过多次迭代逐步增加项集大小，生成满足条件的频繁项集。
  3. 生成关联规则：对每个频繁项集，生成符合最小置信度的所有可能关联规则。

四、Apriori算法实现细节

  1. 数据结构：
  2. minsup和minconf：定义最小支持度和置信度。
  3. IdentityHashMap ruleMap：存储关联规则。
  4. String[] transSet：输入事务集。
  5. int itemCounts：项集总数。
  6. TreeSet[] frequencySet：存储不同大小的频繁项集。
  7. TreeSet maxFrequency：最大频繁项集。
  8. TreeSet candidate：候选项集。
  9. TreeSet[] candidateSet：不同大小的候选项集。
  10. 初始化：
  11. 在构造方法中初始化数据结构，根据输入事务集统计所有可能的单项集。
  12. 生成候选项集：
  13. counts()方法：统计所有可能的单项集。
  14. item1_gen()方法：生成满足最小支持度的频繁单项集。
  15. count_sup(String x)方法：计算某项集的支持度。
  16. candidate_gen(int k)方法：生成大小为k+1的候选项集。

五、具体实现

  1. 统计单项集：
  2. 遍历事务集中的每一项，将每个元素添加到候选集candidate中。