定義樹的結構
class treeNode:
def __init__(self,nameValue,numOccur,parentNode):
self.name = nameValue #值
self.count = numOccur #計數
self.nodeLink = None #橫向鏈
self.parent = parentNode #父親節點
self.children = {} #兒子節點
def inc(self,numOccur):
self.count += numOccur
def disp(self,ind = 1): #輸出顯示
print ' ' * ind,self.name,' ',self.count
for child in self.children.values():
child.disp(ind + 1)
創建樹
主要目的是將數據一行一行插入字典樹裏面,但是先進行了過濾操作,刪除了一些不可能出現的項集,並且對記錄進行了排序.
#dataSet是記錄,minSup是最小支持度
def createTree(dataSet,minSup=1):
#對每個元素進行計數
headerTable = {}
for trans in dataSet
for item in trans:
headerTable[item] = headerTable.get(item,0) + dataSet[trans]
#刪除項集大小爲1的非頻繁項集,根據apriori原則,包含該非頻繁項集的項集都不可能是頻繁項集
for k in headerTable.keys():
if headerTable[k] < minSup:
del(headerTable[k])
freqItemSet = set(headerTable.keys())
if len(freqItemSet) == 0: return None,None
for k in headerTable:
headereTable[k] = [headerTable[k],None]
#創建根節點
retTree = treeNode('Null Set',1,None)
#得到刪除非頻繁k=1的項的 項集,並以字典樹的形式插入樹裏。
for tranSet, count in dataSet.items():
localID = {}
for item in tranSet:
if item in freqItemSet:
localD[item] = headerTable[item][0]
if len(localD) > 0:
orderedItems = [v[0] for v in sorted(localD.items(),key=lambda p: p[1],reverse = True)] #按照單個項集的頻率進行排序
updateTree(orderedItems,retTree,headerTable,count)
return retTree,headerTable
更新樹
#items一行記錄,inTree FP樹的樹根,headerTable出現的頻繁項集,count這行記錄出現的次數
def updateTree(items,inTree,headerTable,count):
#如果出現了這個節點,就把這個節點的計數增加
if items[0] in inTree.children:
inTree.children[items[0]].inc(count)
else:
#否則就創建新的節點
inTree.children[items[0]] = treeNode(items[0],count,inTree)
#如果這個節點對於的headerTable沒有出現就創建.
if headerTable[items[0]][1] == None:
headerTable[items[0]][1] = inTree.children[items[0]]
else:
updateHeader(headerTable[items[0]][1],inTree.children[items[0]])
if len(items) > 1:
#如果要插入字典樹的詞條還有,那就繼續插入剩下的 updateTree(items[1::],inTree.children[items[0]],headerTable,count)
#更新headerLink的鏈
def updateHeader(nodeToTest,targetNone):
while(nodeToTest.nodeLink != None):
nodeToTest = nodeToTest.nodeLink
nodeToTest.nodeLink = targetNone
製作測試數據
def loadSimpDat():
simpDat = [['r','z','h','j','p'],
['z','y','x','w','v','u','t','s'],
['z'],
['r','x','n','o','s'],
['y','r','x','z','q','t','p'],
['y','z','x','e','q','s','t','m']]
return simpDat
def createInitSet(dataSet):
retDict = {}
for trans in dataSet:
retDict[frozenset(trans)] = 1
return retDict
輸出路徑
#leafNode是葉子節點,prefixPath是返回的路徑
def ascendTree(leafNode,prefixPath):
#prefixPath = []
if leafNode.parent != None:
prefixPath.append(leafNode.name)
ascendTree(leafNode.parent,prefixPath)
#返回basePat對於的所有前綴和計數,treeNode是其對應的第一個節點
def findPrefixPath(basePat,treeNode):
conPats = {}
while treeNode != None:
prefixPath = []
ascendTree(treeNode,prefixPath)
if len(prefixPath) > 1:
conPats[frozenset(prefixPaht[1:])] = treeNode.count
treeNode = treeNode.nodeLink
return condPats
總結
- 支持度的缺點是在於許多潛在的有意義的模式由於包含比較小的支持度而被刪去。
- 然後可以使用興趣因子進行優化。 P(a*b) ? P(a) * P(b)
如果P(a*b) > P(a) * P(b) 那麼就是正相關,如果P(a*b) ==P(a)*P(b)就是獨立的.