数据挖掘apriori算法Java代码实现

2021-08-17 04:05:27

[java] view plaincopyprint?数据挖掘apriori算法Java代码实现数据挖掘apriori算法Java代码实现
  1. package apriori;  
  2. import java.util.*;  
  3. import java.io.*;  
  4. public class Aprioti {  
  5.       
  6.     public static int K_Item=3;//产生的频繁项集数，但其实在我这里不是真正的项集数，只是迭代的次数，在[beer,Ham][cola,diaper]这种情况下会产生频繁4项集！！  
  7.                                //只要修改一下就可以，但是我觉得这样也好所以就没有修改  
  8.     public static double min_support_count =2;//最小支持度计数值  
  9.     public static String path="F:\\FirstGit\\apriori\\";  
  10.     public static List<Itemset>AllItemSet = new ArrayList<Itemset>();  
  11.       
  12.     public static Itemset originalItem = new Itemset();  
  13.     public static void main(String [] args)  
  14.     {  
  15.         aprioriProcess();  
  16.     }  
  17.       
  18.     public static void aprioriProcess()  
  19.     {  
  20.         readItemFromText(path,originalItem);//读取硬盘上的数据集  
  21.         Itemset firstItemSet =new Itemset();  
  22.         gen_first_item_set(firstItemSet);//首先生成频繁1项集  
  23.         int K =K_Item;  
  24.         Itemset forwordItemSet =firstItemSet;  
  25.         delete_blew_support_count(forwordItemSet);//去除低于最小支持度计数的项集  
  26.         AllItemSet.add(firstItemSet);//将所有的频繁项集保存起来  
  27.           
  28.         while(K--!=0)  
  29.         {  
  30.             Itemset backwordItemSet =new Itemset();  
  31.             apriori_gen(forwordItemSet,backwordItemSet);//根据频繁K-1项集生成频繁K项集  
  32.             delete_blew_support_count(backwordItemSet);//去除小于支持度计数的项集  
  33.             AllItemSet.add(backwordItemSet);  
  34.             forwordItemSet=backwordItemSet;//将指针指向频繁K-1项集  
  35.         }  
  36.           
  37.         printResult();//输出结果  
  38.     }  
  39.       
  40.     public static void printResult()  
  41.     {  
  42.         for(int i=0;i<AllItemSet.size();i++)  
  43.         {  
  44.             Itemset itemset = AllItemSet.get(i);  
  45.               
  46.             for(TreeSet<String> everyItem : itemset.itemset)  
  47.             {  
  48.                 System.out.println(everyItem.toString());  
  49.             }  
  50.         }  
  51.     }  
  52.     /* 
  53.      * 不可以一边遍历一边删除集合中的数据，这样会让你的集合遍历不完整或者越界！ 
  54.      */  
  55.     public static void delete_blew_support_count(Itemset itemset)  
  56.     {  
  57.         /* 
  58.          * 在这里可以用迭代器iterator也可以用size()的形式来， 
  59.          * 其中用iterator会遍历的时候不可以删除元素 
  60.          * 用size可以删除元素，但是最后的n（n是中途被删除的个数）个元素就没有遍历到！！！！ 
  61.          */  
  62.           
  63.         ArrayList<Integer> deleteSetNum= new ArrayList<Integer>();  
  64.         for(int i=0;i<itemset.itemset.size();i++)  
  65.         {  
  66.               
  67.             double suppoutCount=0;  
  68.             TreeSet<String> item = itemset.itemset.get(i);  
  69.             boolean isPinfan=false;  
  70.             for(TreeSet<String> oriItem : originalItem.itemset)  
  71.             {  
  72.                 if(contain(oriItem,item))  
  73.                     suppoutCount++;  
  74.                 if(suppoutCount>=min_support_count)  
  75.                 {  
  76.                     isPinfan=true;  
  77.                     break;  
  78.                 }  
  79.             }  
  80.             if(!isPinfan)  
  81.                 deleteSetNum.add(i);  
  82.         }  
  83.         for(int j=deleteSetNum.size()-1;j>=0;j--)  
  84.         {  
  85.             //System.out.println(deleteSetNum.get(j));  
  86.             itemset.itemset.remove((int)deleteSetNum.get(j));  
  87.         }  
  88.         /* 
  89.          * 下面这种做法由于remove 
  90.          * 的时候会改变集合的大小，所以不可以从头开始remove只可以从后面remove 
  91.          * 这样就保证不会越界     
  92.          */  
  93. //      for(int  i :deleteSetNum)  
  94. //      {  
  95. //          System.out.println(i);  
  96. //          itemset.itemset.remove(i);  
  97. //      }  
  98.     }  
  99.     //产生1项集  
  100.     public static void gen_first_item_set(Itemset firstItemSet)  
  101.     {  
  102.         TreeSet<String> itemset = new TreeSet<String>();  
  103.         for(TreeSet<String> per_ori_item : originalItem.itemset)  
  104.         {  
  105.             for(String item : per_ori_item)  
  106.             {  
  107.                 itemset.add(item);  
  108.             }  
  109.         }  
  110.         for(String word : itemset)  
  111.         {  
  112.             TreeSet<String> everyitemset = new TreeSet<String>();  
  113.             everyitemset.add(word);  
  114.             firstItemSet.itemset.add(everyitemset);  
  115.         }  
  116.     }  
  117.       
  118.     /* 
  119.      * 根据K-1项频繁产生频繁K项项集 
  120.      */  
  121.     public static  void apriori_gen(Itemset one_item,Itemset second_item)  
  122.     {  
  123.           
  124.         for(int i=0;i<one_item.itemset.size();i++)  
  125.         {  
  126.             for(int j=i+1;j<one_item.itemset.size();j++)  
  127.             {  
  128.                 TreeSet<String> newItem=new TreeSet<String>();  
  129.                 for(String peritem: one_item.itemset.get(i))  
  130.                 {  
  131.                     newItem.add(peritem);  
  132.                 }  
  133.                 for(String peritem: one_item.itemset.get(j))  
  134.                 {  
  135.                     newItem.add(peritem);  
  136.                 }  
  137.                   
  138.                 //如果没有非频繁K-1项集，加入k项集  
  139.                   
  140.                 if(!has_infrequent_subset(newItem,one_item))  
  141.                 {  
  142.                     if(!find_in_already_set(newItem,second_item))//并且项集没有在之前出现  
  143.                        second_item.itemset.add(newItem);  
  144.                 }  
  145.             }  
  146.         }  
  147.     }  
  148.     public static boolean find_in_already_set(TreeSet<String> newItem,Itemset second_item)  
  149.     {  
  150.         for(int i=0;i<second_item.itemset.size();i++)  
  151.         {  
  152.             if(newItem.equals(second_item.itemset.get(i)))//记住，TreeSet也可以用equals,这个函数真是好用，不过有时候效率低  
  153.                     return true;  
  154.         }  
  155.         return false;  
  156.     }  
  157.     public static  boolean has_infrequent_subset(TreeSet<String> newitem,Itemset one_item1)//这里写错了！  
  158.     {  
  159.         for(TreeSet<String> k_1_item : one_item1.itemset)  
  160.         {  
  161.             if(!contain(newitem,k_1_item))  
  162.                 return false;  
  163.         }  
  164.         return true;  
  165.     }  
  166.     public static boolean contain(TreeSet<String> big,TreeSet<String>small)  
  167.     {  
  168.         for(String smallWord : small)  
  169.         {  
  170.             if(!big.contains(smallWord))  
  171.                 return false;  
  172.   
  173.         }  
  174.         return true;  
  175.     }  
  176.     public static  void readItemFromText(String path,Itemset originalItem)  
  177.     {  
  178.         File file =new File(path);  
  179.         if(file.isDirectory())  
  180.         {  
  181.             String [] filelist = file.list();  
  182.             for(int i =0;i<filelist.length;i++)  
  183.             {  
  184.                 try {  
  185.                     BufferedReader br = new BufferedReader(new FileReader(new File(path+filelist[i])));  
  186.                     String line =null;  
  187.                     while((line = br.readLine())!=null)  
  188.                     {  
  189.                         String [] lineword = line.split("[^\\S]+");  
  190.                         TreeSet<String> itemset = new TreeSet<String>();  
  191.                         for(String word : lineword)  
  192.                         {  
  193.                             itemset.add(word);  
  194.                         }  
  195.                         originalItem.itemset.add(itemset);  
  196.                     }  
  197.                       
  198.                 } catch (Exception e) {  
  199.                       
  200.                     e.printStackTrace();  
  201.                 }  
  202.                   
  203.             }  
  204.         }  
  205.     }  
  206. }  

上面代码中用到的Itemset,由于不想老是写那么长的代码，所以就将其封装为一个类

[java] view plaincopyprint?数据挖掘apriori算法Java代码实现数据挖掘apriori算法Java代码实现
  1. package apriori;  
  2. import java.util.*;  
  3.   
  4. public class Itemset {  
  5.     public ArrayList<TreeSet<String>> itemset = new ArrayList<TreeSet<String>>();  
  6. }  

输入的数据集如下：

Cola Egg Ham
Cola Diaper Beer
Cola Diaper Beer Ham
Diaper Beer

输出结果如下：

[Beer]
[Cola]
[Diaper]
[Ham]
[Beer, Cola]
[Beer, Diaper]
[Cola, Diaper]
[Cola, Ham]
[Beer, Cola, Diaper]

其实还有两个地方没有改正，不过对于入门的同学应该可以看看，求指正批评！！




上一篇：机器学习与数据挖掘基本算法初步介绍


下一篇：spss中文视频教程下载