Django框架之drf 之一 [restful規範 APIview原始碼分析 Request類分析 序列化元件 ]
阿新 • • 發佈:2020-11-04
#請從最後的main方法開始看起 Apriori演算法,頻繁項集演算法 A 1, B 2, C 3, D 4, E 5 1 [A C D] 1 3 4 2 [B C E] 2 3 5 3 [A B C E] 1 2 3 5 4 [B E] 2 5 min_support = 2 或 = 2/4 ''' def item(dataset): #求第一次掃描資料庫後的 候選集,(它沒法加入迴圈) c1 = [] #存放候選集元素 for x in dataset: #就是求這個資料庫中出現了幾個元素,然後返回 for y in x: if [y] not in c1: c1.append( [y] ) c1.sort() #print(c1) return c1 def get_frequent_item(dataset, c, min_support): cut_branch = {} #用來存放所有項集的支援度的字典 for x in c: for y in dataset: if set(x).issubset(set(y)): #如果 x 在 y中,就把對應元素後面加 1 cut_branch[tuple(x)] = cut_branch.get(tuple(x), 0) + 1 #cut_branch[y] = new_cand.get(y, 0)表示如果字典裡面沒有想要的關鍵詞,就返回0 #print(cut_branch) Fk = [] #支援度大於最小支援度的項集, 即頻繁項集 sup_dataK = {} #用來存放所有 頻繁 項集的支援度的字典 for i in cut_branch: if cut_branch[i] >= min_support: #Apriori定律1 小於支援度,則就將它捨去,它的超集必然不是頻繁項集 Fk.append( list(i)) sup_dataK[i] = cut_branch[i] #print(Fk) return Fk, sup_dataK def get_candidate(Fk, K): #求第k次候選集 ck = [] #存放產生候選集 for i in range(len(Fk)): for j in range(i+1, len(Fk)): L1 = list(Fk[i])[:K-2] L2 = list(Fk[j])[:K-2] L1.sort() L2.sort() #先排序,在進行組合 if L1 == L2: if K > 2: #第二次求候選集,不需要進行減枝,因為第一次候選集都是單元素,且已經減枝了,組合為雙元素肯定不會出現不滿足支援度的元素 new = list(set(Fk[i]) ^ set(Fk[j]) ) #集合運算 對稱差集 ^ (含義,集合的元素在t或s中,但不會同時出現在二者中) #new表示,這兩個記錄中,不同的元素集合 # 為什麼要用new? 比如 1,2 1,3 兩個合併成 1,2,3 我們知道1,2 和 1,3 一定是頻繁項集,但 2,3呢,我們要判斷2,3是否為頻繁項集 #Apriori定律1 如果一個集合不是頻繁項集,則它的所有超集都不是頻繁項集 else: new = set() for x in Fk: if set(new).issubset(set(x)) and list(set(Fk[i]) | set(Fk[j])) not in ck: #減枝 new是 x 的子集,並且 還沒有加入 ck 中 ck.append( list(set(Fk[i]) | set(Fk[j])) ) #print(ck) return ck def Apriori(dataset, min_support = 2): c1 = item (dataset) #返回一個二維列表,裡面的每一個一維列表,都是第一次候選集的元素 f1, sup_1 = get_frequent_item(dataset, c1, min_support) #求第一次候選集 F = [f1] #將第一次候選集產生的頻繁項集放入 F ,以後每次掃描產生的所有頻繁項集都放入裡面 sup_data = sup_1 #一個字典,裡面存放所有產生的候選集,及其支援度 K = 2 #從第二個開始迴圈求解,先求候選集,在求頻繁項集 while (len(F[K-2]) > 1): #k-2是因為F是從0開始數的 #前一個的頻繁項集個數在2個或2個以上,才繼續迴圈,否則退出 ck = get_candidate(F[K-2], K) #求第k次候選集 fk, sup_k = get_frequent_item(dataset, ck, min_support) #求第k次頻繁項集 F.append(fk) #把新產生的候選集假如F sup_data.update(sup_k) #字典更新,加入新得出的資料 K+=1 return F, sup_data #返回所有頻繁項集, 以及存放頻繁項集支援度的字典 if __name__ == '__main__': dataset = [[1, 3, 4], [2, 3, 5], [1, 2, 3, 5], [2, 5]] #裝入資料 二維列表 F, sup_data = Apriori(dataset, min_support = 2) #最小支援度設定為2 print("具有關聯的商品是{}".format(F)) #帶變數的字串輸出,必須為字典符號表示 print('------------------') print("對應的支援度為{}".format(sup_data)) ```