一、实验目的：

掌握关联规则分析的基本原理；
掌握Apriori算法对于关联规则挖掘中频繁集的产生以及关联规则集合的产生过程；
编程实现算法，调试运行；
结合相关实验数据进行应用，得到分析结果。

二、实验内容：

编程实现Apriori挖掘算法，找到所有频繁项集

三、实验设备及软件环境：

Windows10
Python3.8
PyCharm 2020.3.5 (Professional Edition)

四、实验过程及结果：

Shiyan2.py

def load_data_set():
    """
    加载示例数据集
    返回:
        数据集：事务列表。每个事务都包含若干项。
    """
    data_set = [[11,12,13],[11,14],[14,15],[11,12,14],[11,12,16,14,13],[12,16,13],[12,13,16]]
    return data_set


def create_C1(data_set):
    """
    通过扫描数据集创建频繁候选1项集C1。
    参数：
    数据集：事务的列表。每个事务都包含若干项。
    返回：
    C1：包含所有频繁候选1项集的集合
    """
    C1 = set()
    for t in data_set:
        for item in t:
            item_set = frozenset([item])
            C1.add(item_set)
    return C1


def is_apriori(Ck_item, Lksub1):
    """
    判断频繁候选k项集是否满足先验性质。
    参数：
        Ck_item:Ck中的一个常见候选k项集，包含所有频繁的候选k项集。
        Lksub1: :Lk-1，包含所有频繁候选（k-1）-项集的集合。
    返回:
        True: 满足先验属性。
        False: 不满足先验属性。
    """
    for item in Ck_item:
        sub_Ck = Ck_item - frozenset([item])
        if sub_Ck not in Lksub1:
            return False
    return True


def create_Ck(Lksub1, k):
    """
    通过Lk-1自己的连接操作创建包含所有频繁候选k项集的Ck集。
    参数:
        Lksub1: Lk-1，包含所有频繁候选（k-1）-项集的集合。
        k: 频繁项集的项号。
    返回:
        Ck: 包含所有频繁候选k项集的集合
    """
    Ck = set()
    len_Lksub1 = len(Lksub1)
    list_Lksub1 = list(Lksub1)
    for i in range(len_Lksub1):
        for j in range(1, len_Lksub1):
            l1 = list(list_Lksub1[i])
            l2 = list(list_Lksub1[j])
            l1.sort()
            l2.sort()
            if l1[0:k-2] == l2[0:k-2]:
                Ck_item = list_Lksub1[i] | list_Lksub1[j]
                # pruning
                if is_apriori(Ck_item, Lksub1):
                    Ck.add(Ck_item)
    return Ck


def generate_Lk_by_Ck(data_set, Ck, min_support, support_data):
    """
    通过从Ck执行删除策略来生成Lk。
    参数:
        data_set: 交易记录列表。每个事务都包含若干项。
        Ck: 包含所有频繁候选k项集的集合。
        min_support: 最小support。
        support_data: 一个字典。键是frequentitemset，值是support。
    返回:
        Lk: 包含所有频繁k项集的集合。
    """
    Lk = set()
    item_count = {}
    for t in data_set:
        for item in Ck:
            if item.issubset(t):
                if item not in item_count:
                    item_count[item] = 1
                else:
                    item_count[item] += 1
    t_num = float(len(data_set))
    for item in item_count:
        if (item_count[item] / t_num) >= min_support:
            Lk.add(item)
            support_data[item] = item_count[item] / t_num
    return Lk


def generate_L(data_set, k, min_support):
    """
    生成所有频繁项集。
    参数:
        data_set: 事务列表。每个事务都包含若干项。
        k: 所有频繁项集的最大项数。
        min_support: 最小support。
    返回:
        L: Lk的列表。
        support_data: 一个字典。键是frequentitemset，值是support。
    """
    support_data = {}
    C1 = create_C1(data_set)
    L1 = generate_Lk_by_Ck(data_set, C1, min_support, support_data)
    Lksub1 = L1.copy()
    L = []
    L.append(Lksub1)
    for i in range(2, k+1):
        Ci = create_Ck(Lksub1, i)
        Li = generate_Lk_by_Ck(data_set, Ci, min_support, support_data)
        Lksub1 = Li.copy()
        L.append(Lksub1)
    return L, support_data


def generate_big_rules(L, support_data, min_conf):
    """
    从频繁项集生成大规则。
    参数:
        L: Lk的列表。
        support_data: 一个字典。键是frequentitemset，值是support。
        min_conf: 最小的 confidence.
    返回:
        big_rule_list: 包含所有大规则的列表。每个大规则都表示为一个3元组。
    """
    big_rule_list = []
    sub_set_list = []
    for i in range(0, len(L)):
        for freq_set in L[i]:
            for sub_set in sub_set_list:
                if sub_set.issubset(freq_set):
                    conf = support_data[freq_set] / support_data[freq_set - sub_set]
                    big_rule = (freq_set - sub_set, sub_set, conf)
                    if conf >= min_conf and big_rule not in big_rule_list:
                        # print freq_set-sub_set, " => ", sub_set, "conf: ", conf
                        big_rule_list.append(big_rule)
            sub_set_list.append(freq_set)
    return big_rule_list


if __name__ == "__main__":
    """
    Test
    """
    data_set = load_data_set()
    L, support_data = generate_L(data_set, k=3, min_support=0.2)
    big_rules_list = generate_big_rules(L, support_data, min_conf=0.7)
    for Lk in L:
        print("="*50)
        print ("频繁 " + str(len(list(Lk)[0])) + "-项集\t\t\t\t支持度")
        print( "="*50)
        for freq_set in Lk:
            print (freq_set, support_data[freq_set])
    print()
    print ("大规则")
    for item in big_rules_list:
        print (item[0], "=>", item[1], "conf: ", item[2])

运行结果：

五、总结：

通过本次实验，我掌握关联规则分析的基本原理，掌握Apriori算法对于关联规则挖掘中频繁集的产生以及关联规则集合的产生过程，编程实现算法，调试运行，结合相关实验数据进行应用，得到分析结果。

实验成绩： 指导教师： 年 月 日