《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?

心靈之曲
发布: 2025-02-28 11:46:17
原创
869人浏览过

python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Python免费学习笔记(深入)”;

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。

《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?

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!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
相关标签:
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号