500      阿裏雲  技術社區[雲棲]

數據挖掘apriori算法Java代碼實現

[java] view plaincopyprint?

1. package apriori;  
2. import java.util.*;  
3. import java.io.*;  
4. public class Aprioti {  
5.       
6.     public static int K_Item=3;//產生的頻繁項集數，但其實在我這裏不是真正的項集數，隻是迭代的次數，在[beer,Ham][cola,diaper]這種情況下會產生頻繁4項集！！  
7.                                //隻要修改一下就可以，但是我覺得這樣也好所以就沒有修改  
8.     public static double min_support_count =2;//最小支持度計數值  
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);//讀取硬盤上的數據集  
21.         Itemset firstItemSet =new Itemset();  
22.         gen_first_item_set(firstItemSet);//首先生成頻繁1項集  
23.         int K =K_Item;  
24.         Itemset forwordItemSet =firstItemSet;  
25.         delete_blew_support_count(forwordItemSet);//去除低於最小支持度計數的項集  
26.         AllItemSet.add(firstItemSet);//將所有的頻繁項集保存起來  
27.           
28.         while(K--!=0)  
29.         {  
30.             Itemset backwordItemSet =new Itemset();  
31.             apriori_gen(forwordItemSet,backwordItemSet);//根據頻繁K-1項集生成頻繁K項集  
32.             delete_blew_support_count(backwordItemSet);//去除小於支持度計數的項集  
33.             AllItemSet.add(backwordItemSet);  
34.             forwordItemSet=backwordItemSet;//將指針指向頻繁K-1項集  
35.         }  
36.           
37.         printResult();//輸出結果  
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.      * 不可以一邊遍曆一邊刪除集合中的數據，這樣會讓你的集合遍曆不完整或者越界！ 
54.      */  
55.     public static void delete_blew_support_count(Itemset itemset)  
56.     {  
57.         /* 
58.          * 在這裏可以用迭代器iterator也可以用size()的形式來， 
59.          * 其中用iterator會遍曆的時候不可以刪除元素 
60.          * 用size可以刪除元素，但是最後的n（n是中途被刪除的個數）個元素就沒有遍曆到！！！！ 
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.          * 下麵這種做法由於remove 
90.          * 的時候會改變集合的大小，所以不可以從頭開始remove隻可以從後麵remove 
91.          * 這樣就保證不會越界     
92.          */  
93. //      for(int  i :deleteSetNum)  
94. //      {  
95. //          System.out.println(i);  
96. //          itemset.itemset.remove(i);  
97. //      }  
98.     }  
99.     //產生1項集  
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.      * 根據K-1項頻繁產生頻繁K項項集 
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.                 //如果沒有非頻繁K-1項集，加入k項集  
139.                   
140.                 if(!has_infrequent_subset(newItem,one_item))  
141.                 {  
142.                     if(!find_in_already_set(newItem,second_item))//並且項集沒有在之前出現  
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)))//記住，TreeSet也可以用equals,這個函數真是好用，不過有時候效率低  
153.                     return true;  
154.         }  
155.         return false;  
156.     }  
157.     public static  boolean has_infrequent_subset(TreeSet<String> newitem,Itemset one_item1)//這裏寫錯了！  
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. }  

上麵代碼中用到的Itemset,由於不想老是寫那麼長的代碼，所以就將其封裝為一個類

[java] view plaincopyprint?

1. package apriori;  
2. import java.util.*;  
3.   
4. public class Itemset {  
5.     public ArrayList<TreeSet<String>> itemset = new ArrayList<TreeSet<String>>();  
6. }  

輸入的數據集如下：

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

輸出結果如下：

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

其實還有兩個地方沒有改正，不過對於入門的同學應該可以看看，求指正批評！！

最後更新：2017-04-03 12:54:04

  上一篇： Android搜索控件SearchView的用法

  下一篇： CSS中針對IE6、7和FF的特殊寫法