Apriori Alg在Python ch4学习数据挖掘中的应用

Question

这是Apriori算法的一部分。我们希望从一项频繁项集中获得两项频繁项集。书中的代码如下所示：

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])

我对此感到困惑:有一个重复的计数。例如，对于某个用户，集合{A，B}和{B，A}是相同的。但根据下面的守则：

 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

什么时候

itemset==A

它计数{A，B}。

什么时候

itemsets==B

它计数{B，A}。

那么密码是错的吗？

Answer 1

frozenset以及任何set都是无序和散列的，包括在字典中用作键或一般用于比较时。打印它可能会误导，因为顺序有点随机，可以随机打印出不同的。

AB = frozenset(["xyz"]) | frozenset(["abc"])
BA = frozenset(["abc"]) | frozenset(["xyz"])

print(AB == BA)
> True

dct = {}
dct[AB] = "AB"
dct[BA] = "BA"

print(dct)
> {frozenset({'xyz', 'abc'}): 'BA'}

在最初的算法中，所有集合都将被排序，这意味着事务列表(在本例中是reviews)以及counts中的所有键都将被排序。