《数据挖掘入门与实践》apriori算法代码改进：避免频繁项集重复计数
本文针对《Python数据挖掘入门与实践》一书中Apriori算法代码的重复计数问题提出改进方案。书中代码片段用于从频繁1-项集生成频繁2-项集，但存在由于项集顺序不同导致重复计数的缺陷。
原代码的核心部分如下：
from collections import defaultdict def find_frequent_itemsets(favorable_reviews_by_users, k_1_itemsets, min_support): counts = defaultdict(int) for user, reviews in favorable_reviews_by_users.items(): for itemset in k_1_itemsets: if itemset.issubset(reviews): for other_reviewed_movie in reviews - itemset: current_superset = itemset | frozenset((other_reviewed_movie,)) counts[current_superset] += 1 return dict([(itemset, frequency) for itemset, frequency in counts.items() if frequency >= min_support])
登录后复制
问题在于，对于用户评论集合{a, b}，当itemset为{a}时，会生成{a, b}；当itemset为{b}时，又会生成{b, a}，导致{a, b}被重复计数。
改进方案：对生成的项集进行排序，确保相同项集仅计数一次。 修改后的代码如下：
立即学习“”；
from collections import defaultdict def find_frequent_itemsets(favorable_reviews_by_users, k_1_itemsets, min_support): counts = defaultdict(int) for user, reviews in favorable_reviews_by_users.items(): for itemset in k_1_itemsets: if itemset.issubset(reviews): for other_reviewed_movie in reviews - itemset: current_superset = itemset | frozenset((other_reviewed_movie,)) current_superset = frozenset(sorted(list(current_superset))) #排序避免重复 counts[current_superset] += 1 return dict([(itemset, frequency) for itemset, frequency in counts.items() if frequency >= min_support])
登录后复制
通过frozenset(sorted(list(current_superset)))这一行代码，我们将current_superset转换为列表进行排序，再转换回frozenset，从而确保相同项集的顺序一致，避免重复计数，最终得到准确的频繁项集。
此改进有效解决了原代码中频繁项集重复计数的问题，提高了Apriori算法的准确性。
以上就是《Python数据挖掘入门与实践》Apriori算法代码中如何避免频繁项集重复计数？的详细内容，更多请关注php中文网其它相关文章！
微信扫一扫打赏
支付宝扫一扫打赏
