Hier ist eine einfache MATLAB-Implementierung des FP-Tree-Assoziationsalgorithmus für Data Mining. Dieser Code findet häufige Elementmengen und Zuordnungsregeln aus einem bestimmten Transaktionsdatensatz.

„

% Erstellen Sie die ursprüngliche Transaktionsdatenbank als Zellenarray

Transaktionen ={ ...

{'Brot', 'Milch', 'Butter'}, ...

{'Brot', 'Windeln', 'Bier', 'Eier'}, ...

{'Milch', 'Windeln', 'Bier', 'Cola'}, ...

{'Brot', 'Milch', 'Windeln', 'Cola'}, ...

{'Brot', 'Eier', 'Bier'} ...

};

% Transaktionen in eine binäre Matrix umwandeln

BinaryTransactions =Zeros(size(transactions, 1), size(unique([transactions{:}]), 2));

für i =1:size(transactions, 1)

für j =1:size(transactions{i}, 2)

binärTransactions(i, strcmp(transactions{i}{j}, unique([transactions{:}]))) =1;

Ende

Ende

% Erstellen Sie einen häufigen Musterbaum aus der binären Transaktionsmatrix

fpTree =fptree(binaryTransactions);

% Finden Sie alle häufigen Itemsets mit einer Mindestunterstützung von 2

frequentItemsets =find_frequent_itemsets(fpTree, 2);

% Generieren Sie Assoziationsregeln aus den häufigen Itemsets

AssociationRules =generic_association_rules(frequentItemsets);

% Zeigt die häufigen Itemsets und Assoziationsregeln an

disp('Häufige Itemsets:');

disp('------------------');

für i =1:length(frequentItemsets)

fprintf('%s\n', strjoin(frequentItemsets{i}, ', '));

Ende

disp('Assoziationsregeln:');

disp('------------------');

für i =1:length(associationRules)

lhs =strjoin(associationRules{i}.lhs, ', ');

rhs =strjoin(associationRules{i}.rhs, ', ');

Confidence =AssociationRules{i}.confidence * 100;

support =AssociationRules{i}.support * 100;

fprintf('Wenn %s, dann %s. Vertrauen =%f%%, Unterstützung =%f%%\n', lhs, rhs, Vertrauen, Unterstützung);

Ende

% Funktion zum Erstellen eines häufigen Musterbaums aus einer binären Transaktionsmatrix

Funktion fpTree =fptree(transactions)

headerTable =create_header_table(transactions);

root =add_node(-1, headerTable.id);

fpTree =struct('root', root, 'headerTable', headerTable);

für i =1:size(transactions, 1)

add_transaction(transactions(i, :), root, headerTable);

Ende

Ende

% Funktion zum Erstellen einer Header-Tabelle aus den Transaktionen

Funktion headerTable =create_header_table(transactions)

headerTable =struct();

uniqueItems =unique([transactions{:}]);

für i =1:size(uniqueItems, 2)

headerTable(uniqueItems{i}).id =i;

headerTable(uniqueItems{i}).count =sum(sum(transactions ==uniqueItems{i}));

headerTable(uniqueItems{i}).link =[];

Ende

Ende

% Funktion zum Hinzufügen einer Transaktion zum FP-Baum

Funktion add_transaction(transaction, node, headerTable)

if isempty(Transaktion)

zurückkehren;

Ende

% Finden Sie den Artikel mit der höchsten Häufigkeit in der Transaktion

maxFrequency =0;

maxItem ='';

für i =1:length(transaktion)

wenn headerTable(transaction{i}).count> maxFrequency

maxFrequency =headerTable(transaction{i}).count;

maxItem =transaktion{i};

Ende

Ende

% Wenn der Knoten kein untergeordnetes Element für maxItem hat, erstellen Sie eines

if isempty(node.children)

node.children(maxItem).id =headerTable(maxItem).id;

node.children(maxItem).count =1;

node.children(maxItem).link =headerTable(maxItem).link;

node.children(maxItem).parent =node;

anders

if isfield(node.children, maxItem)

node.children(maxItem).count =node.children(maxItem).count + 1;

anders

node.children(maxItem).id =headerTable(maxItem).id;

node.children(maxItem).count =1;

node.children(maxItem).link =headerTable(maxItem).link;

node.children(maxItem).parent =node;

Ende

Ende

% Aktualisieren Sie die Header-Tabelle

headerTable(maxItem).link =node;

% Füge die verbleibenden Elemente rekursiv zum Baum hinzu

für i =1:length(transaktion)

if ~(strcmp(maxItem, transaktion{i}))

add_transaction(transaction(2:end), node.children(maxItem), headerTable);

Ende

Ende

Ende

% Funktion zum Finden aller häufigen Itemsets aus dem FP-Baum

Funktion frequentItemsets =find_frequent_itemsets(fpTree, minSupport)

häufigeItemsets ={};

% Finden Sie rekursiv häufige Itemsets aus jedem Zweig des FP-Baums

für den Zweig in fpTree.root.children.keys

branchFrequency =fpTree.headerTable(branch).count;

% Wenn die Verzweigungshäufigkeit unter der Mindestunterstützung liegt, fahren Sie mit der nächsten Verzweigung fort

wenn branchFrequency weitermachen;

Ende

% Fügen Sie das Zweigelement als häufiges Elementset hinzu

frequentItemsets{end + 1} ={branch};

% Rekursiv nach häufigen Itemsets für alle Teilbäume des aktuellen Zweigs suchen

subFrequentItemsets =find_frequent_itemsets(subtrees(fpTree.root, branch), minSupport);

% Fügen Sie das Zweigelement zu allen häufigen Elementmengen aus dem Unterbaum hinzu

für i =1:length(subFrequentItemsets)

subFrequentItemsets{i}{1} =[branch, subFrequentItemsets{i}{1}];

frequentItemsets{end + 1} =subFrequentItemsets{i};

Ende

Ende

Ende

% Funktion zum Generieren von Assoziationsregeln aus den häufigen Itemsets

Funktion AssociationRules =generic_association_rules(frequentItemsets)

AssociationRules ={};

% Generieren Sie für jedes häufige Itemset alle möglichen Assoziationsregeln

für itemset =frequentItemsets

für i =1:length(itemset)

% Erstellen Sie den Antezedens und die Konsequenz für die Regel

antecedent =itemset(1:i-1);

consequent =itemset(i+1:end);

% Berechnen Sie die Unterstützung, das Vertrauen und die Wirksamkeit der Regel

support =100 * (find_support(union(antecedent, consequent)) / find_support(antecedent));

Konfidenz =100 * (find_support(union(antecedent, consequent)) / find_support(antecedent));

Lift =Vertrauen / (100 * find_support(consequent) / find_support(antecedent));

% Fügen Sie die Assoziationsregel zur Liste hinzu

AssociationRules{end + 1} =struct('lhs', antecedent, 'rhs', consequent, 'confidence', confidenz, 'support', support);

Ende

Ende

Ende

% Funktion zum Finden der Unterstützung eines Itemsets

Funktionsunterstützung =find_support(itemset)

Unterstützung =0;

% Durchlaufen Sie alle Transaktionen und prüfen Sie, ob sie das Itemset enthalten

für i =1:size(binaryTransactions, 1)

if all(binaryTransactions(i, ismember(unique([binaryTransactions{:}]), itemset)))

Unterstützung =Unterstützung + 1;

Ende

Ende

Ende

„