Apriori算法实现

时间:2011-01-15 14:44:33

标签: artificial-intelligence associations data-mining apriori

我正在使用apiori算法实现从事务集生成关联规则,并且我得到以下关联规则。但我得到一个关联规则1-> 8我可以假设8-> 1因为看到关联规则从0开始并结束到9因为有10个产品类,但是使用这个算法我得不到像8这样的东西 - > 2或9-> 1,因此可以反转关联规则2-> 8到8-> 2。如果没有,有人可以指出更好的apiori算法实现

0-->5
0-->9
1-->2
1-->4
1-->5
1-->7
1-->8
1-->9
2-->3
2-->4
2-->5
2-->6
2-->7
2-->8
2-->9
3-->4
3-->5
3-->6
3-->7
3-->8
4-->5
4-->6
4-->7
4-->8
4-->9
5-->6
5-->7
5-->8
5-->9
6-->7
6-->8
6-->9
7-->8
7-->9
8-->9

3 个答案:

答案 0 :(得分:0)

当然你可以假设(1 => 9等于9 => 1)。这些项目基本上是其他项目的组合,而不是排列。 FPGrowth比Apriori更有效

答案 1 :(得分:0)

你可以在这里找到我最喜欢的apriori实现:

http://www.borgelt.net/apriori.html

(Christian Borgelt也有许多其他挖掘算法的实现。)

我经常使用它来挖掘数百万条目的数据集,而且速度非常快。 您可以将其配置为执行您想要的操作(频繁项目集与关联规则)。

答案 2 :(得分:0)

如果您想为频繁项目集挖掘下载 Apriori Java版和其他算法,您可以查看我的网站:

http://www.philippe-fournier-viger.com/spmf/

它还提供了Eclat,FPGrowth,Charm和许多其他算法的实现,可用于关联规则挖掘,频繁项集挖掘,顺序模式挖掘和顺序规则挖掘。