machine-learning - Apriori算法实现

Question

我正在使用 apiori 算法实现从事务集中生成关联规则，并且得到以下关联规则。但是我得到一个关联规则 1->8 我可以假设 8->1 因为看到关联规则它从 0 开始到 9 结束，因为有 10 个产品类别，但是使用这个算法我没有得到类似 8-> 2 或 9->1，所以我可以将关联规则 2->8 反转为 8->2。如果没有，有人可以指出更好的 apiori 算法实现

0-->5
0-->9
1-->2
1-->4
1-->5
1-->7
1-->8
1-->9
2-->3
2-->4
2-->5
2-->6
2-->7
2-->8
2-->9
3-->4
3-->5
3-->6
3-->7
3-->8
4-->5
4-->6
4-->7
4-->8
4-->9
5-->6
5-->7
5-->8
5-->9
6-->7
6-->8
6-->9
7-->8
7-->9
8-->9

Answer 1

你可以在这里得到我最喜欢的 apriori 实现：

http://www.borgelt.net/apriori.html

（Christian Borgelt 也有许多其他挖掘算法的实现。）

我经常使用它来挖掘具有数百万条目的数据集，而且速度非常快。你可以配置它来做你想做的事（频繁的项目集与关联规则）。

Answer 2

当然你可以假设（1=>9 等于 9=>1）。这些项目基本上是相互组合的，而不是排列。FPGrowth 比 Apriori 更高效

Answer 3

如果想下载Java版的Apriori等频繁项集挖掘算法，可以查看我的网站：

http://www.philippe-fournier-viger.com/spmf/

它还提供了 Eclat、FPGrowth、Charm 和许多其他算法的实现，可用于关联规则挖掘、频繁项集挖掘、顺序模式挖掘和顺序规则挖掘。