Tổng quan về khai phá dữ liệu - Đại học Duy Tân

63
7. for ( ứng cử c C t )
8. c.count ++;
10. }
11. L k ={ c C k c.count minsup}
12. K ++ ;
13. }
14. Return L= k L k' ;
// sinh ữngcử viên mới (**)
Void apriori_gen(L k-1 , minsup )
1. { for ( itemset l 1 L k-1 )
2. for ( itemset l 2 L k-1 )
3. if((L 1 (1)== L 2 (1)&&L 1 (2) == L 2 (2)&&...&& L 1 (k-2) == L 2 (k-2)) &&L 1 (k-1)
== L 2 (k-1))
4. { c= L 1 kết nối L 2 ;
5. if( hasinrequent_subset(c, L k-1 )) delete c;
6. else add c to C k ;
7. }
8. return C k
9.}
Void has_infrequent_subset(c,L k-1 )
1.{ for ( (k-1)-subset s c)
2. if(s L k-1 ) return TRUE;
3. else return FALSE ;
4.}
Giải thích:
Lần duyệt đầu tiên, sẽ tính số lần xuất hiện của mỗi mục để xác định các 1- itemset phổ
biến. Lần duyệt thứ k (k 2) sẽ bao gồm 2 giai đoạn:
* Giai đoạn 1:
Tập phổ biến L k-1 đã tìm thấy ở lần duyệt thứ k-1 được sử dụng để sinh ra các tập ứng cử
viên C k bằng việc sử dụng hàm Apriori_gen.
* Giai đoạn 2:
Dựa vào Cơ sở dữ liệu, tính độ hỗ trợ của các ứng của viên trong C k . Các ứng cử viên trong
C k mà được chứa trong giao dịch t có thể được xác định một cách hiệu quả bằng việc sử dụng cây
băm được mô tả như sau: