Text 文本的Apriori算法

我参加了一门数据挖掘课程，我们必须对包含文本（即字符串）的数据集运行

apriori算法

['acornSquash', 'cottageCheese', 'laundryDetergent', 'oatmeal', 'onions', 'pizza', 'tomatoes', 'yogurt']
['bread', 'cinnamon', 'grapefruit', 'juiceBoxes', 'mayo', 'pastaSauce', 'pepper', 'waterBottles', 'yogurt']

我可以得到运行apriori算法的代码或帮助吗

下面的链接包含基本apriori实现的源代码


浏览自述文件

通过基本实现，我的意思是说，它没有实现任何有效的算法，如基于散列的技术、分区技术、采样、事务缩减或动态项集计数

这段代码每次都扫描整个数据集，但它的内存效率很高，因为它总是从文件中读取输入，而不是存储在内存中

由于您目前正在学习这门课程，我假设这段代码将是您第一次希望自己编写的代码

要了解更多关于apriori算法的信息，我建议您阅读

阅读、理解并尝试自己实施

现在，让我们谈谈如何实施。
当您浏览我发布的链接中的代码时，它在数字上实现，即，它的输入文件包含itemset作为数字而不是文本（如您的情况）

您只需编写一个程序，将每个文本映射到特定的数字即可

例如

假设您的数据集包含

[ 'oatmeal', 'onions', 'pizza', 'tomatoes', 'yogurt']
[ 'tomatoes', 'pepper', 'waterBottles', 'yogurt']

所以看起来像

12345-1

4 6 7 5-1

（-1表示特定交易的结束，如在代码中）

然后将此输入文件用于代码（与链接中的相同或您自己的不同语言）

在程序执行后获得频繁项集后，可以使用之前使用的映射将其转换回