關於Apriori算法

Question

我試圖找到給定數據的頻繁項目集。在這種情況下，如果一個年齡段的人結婚或不結婚，這就是汽車數量的一個簡單例子。

的1項集和2-項目集的設置如下：

---Freq. 1-itemsets---> 9 times! 
[ 
(1) [age:[20,24]] 
(2) [age:[25,29]] 
(1) [age:[30,34]] 
(1) [age:[35,39]] 
(2) [married:[no]] 
(3) [married:[yes]] 
(1) [num_cars:[0,0]] 
(2) [num_cars:[1,1]] 
(2) [num_cars:[2,2]] 
] 

---Freq. 2-itemsets---> 14 times! 
[ 
(1) [age:[20,24],married:[no]] 
(1) [age:[20,24],num_cars:[1,1]] 
(1) [age:[25,29],married:[no]] 
(1) [age:[25,29],married:[yes]] 
(1) [age:[25,29],num_cars:[0,0]] 
(1) [age:[25,29],num_cars:[1,1]] 
(1) [age:[30,34],married:[yes]] 
(1) [age:[30,34],num_cars:[2,2]] 
(1) [age:[35,39],married:[yes]] 
(1) [age:[35,39],num_cars:[2,2]] 
(1) [married:[no],num_cars:[0,0]] 
(1) [married:[no],num_cars:[1,1]] 
(1) [married:[yes],num_cars:[1,1]] 
(2) [married:[yes],num_cars:[2,2]] 
] 

（不要在意在括號中的數字，它只是頻繁項集這個的;在這種 鑑於min_support例如是0.1）

現在我想獲得頻率。來自頻率的3個項目集。 2，項目集。 在這種情況下，我可以結合兩個頻率。 2項目集，whos交集有一個元素。現在我必須檢查這個組合的所有子集（大小爲2）是否爲頻率元素。 2，項目集。

如果我這樣做，我得到如下：

---Freq. 3-itemsets---> 6 times! 
[ 
(1) [age:[20,24],married:[no],num_cars:[1,1]] 
(1) [age:[25,29],married:[no],num_cars:[0,0]] 
(0) [age:[25,29],married:[no],num_cars:[1,1]] 
(1) [age:[25,29],married:[yes],num_cars:[1,1]] 
(1) [age:[30,34],married:[yes],num_cars:[2,2]] 
(1) [age:[35,39],married:[yes],num_cars:[2,2]] 
] 

但是現在，你可以看到，我得到一個頻率。 3-itemset，其頻率爲0.因此它不應該在freq的集合中。 3項集。

如果我讓這個例子從例如Weka（http://www.cs.waikato.ac.nz/ml/weka/），所述項目集不會出現在結果中。

但是我可以從 {age：[25,29]，已婚：[no]}和{已婚：[no]，num_cars：[1,1]}合併生成。

所以我的問題是：

我是否犯了一個錯誤在生成頻繁項集（我的程序構建上述這個）或我只是如果子集是頻率的元素，首先過濾產生的候選人。 2項目和之後，如果頻繁是超過0？

我希望我能解釋清楚我的問題......

謝謝您的幫助！

Answer 1

對於基數k頻繁的項集，有必要但是對於其所有（k-1）元素子集都是頻繁的並不是足夠的。在通過組合（k-1）元素項目集並檢查子集生成候選k元素項目集之後，您需要再次掃描數據並丟棄並非真正頻繁的候選項。