数据挖掘之关联规则挖掘之SETM算法实现

具体算法实现细节请查看IEEE论文：Set-oriented mining for association rules in relational databases

SETM算法代码+测试用例+具体操作步骤下载戳这http://download.csdn.net/detail/michealtx/4266085

sql语言实现，找出来所有的频繁模式。代码如下：

---------------最终版--------------drop table c1,c2,c3,c4,r1,r2,r3,r4
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
--为SETMAlgorithm数据库创建空表r1
create table R1
(tx_id int,item1 nvarchar(50)
)--把setmbackup数据库的sales_data表中导入数据到r1中
insert into R1
select *
from SETMBackup.dbo.SALES_DATA-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------
--------------------setm算法过程---------------
--将R1按item1排序
select * into #temp from R1--把R1内容存到临时表temp中
delete from R1--删除R1
insert R1 select * from #temp order by item1--将临时表temp按item1升序排序后插入到R1
drop table #temp--删除临时表temp--声明最小支持度MinSupport
declare @minimum_support int
set @minimum_support=3declare @MinSupport varchar(10)
set @MinSupport=cast(@minimum_support as varchar(10))--声明变量k
declare @k int
set @k=1--由R1生成C1
declare @CK varchar(100)
set @CK='C'+cast(@k as varchar(100)) declare @CreateTable varchar(100)
set @CreateTable=' create table '+@CK+' (item1 nvarchar(10),cnt int) ' declare @RK varchar(10)
set @RK='R'+cast(@k as varchar(100)) declare @InsertInto varchar(100)
set @InsertInto=' insert into '+@CK+' select item1,COUNT(*) from '+@RK+' group by item1 having COUNT(*)>='+@MinSupportexec(@CreateTable)
exec(@InsertInto)
print '由R1生成C1'--进入循环
declare @RKNotEmpty varchar(100)
--set @RKNotEmpty='if not exists(select * from '+@RK+') begin drop table '+@RK+' break end'declare @KMinusOne int
set @KMinusOne=1declare @RKMinusOne varchar(10)
set @RKMinusOne='R'+cast(@KMinusOne as varchar(100)) while 1=1
beginprint '进入循环'set @KMinusOne=@kset @RKMinusOne='R'+cast(@KMinusOne as varchar(100)) set @k=@k+1   set @RK='R'+cast(@k as varchar(100)) ---------------------------------------------------------------------将R[k-1]按全部列排序---------------declare @str1 varchar(MAX)set @str1='declare @max int select @max=count(name) from syscolumns where id=object_id('''+@RKMinusOne+''') --print @max declare @min int set @min=1 declare @tt varchar(max) set @tt='''' while @min<=@max begin declare @name varchar(MAX) select @name=name from( select row_number()over(order by getdate()) as num, name from syscolumns where id=object_id('''+@RKMinusOne+'''))a where num=@min set @tt=ISNULL(@tt,'','')+@name+'','' set @min=@min+1 end --print @tt declare @ss varchar(max)set @ss='''' set  @ss=''select * into #temp from '+@RKMinusOne+' order by ''+LEFT(@tt,LEN(@tt)-1)+'' delete from '+@RKMinusOne+' insert '+@RKMinusOne+' select * from #temp drop table #temp''exec(@ss)'exec(@str1)print '将R[k-1]按全部列排序完成'--扫描R[k-1]和R1将符合条件者合并生成RKTemp(即R'[K])declare @num intset @num=1declare @str varchar(max)set @str='create table RKTemp('declare @sql varchar(1000)set @sql='tx_id int,'while @num<=@kbeginset @sql=ISNULL(@sql,',')+'item'+CAST(@num as varchar)+' nvarchar(50),'set @num=@num+1endset @str=@str+left(@sql,LEN(@sql)-1)+')'exec(@str)declare @str2 varchar(max)set @str2='insert into rktemp select '+@RKMinusOne+'.*,myr1.item1 from '+@RKMinusOne+', R1 myr1where '+@RKMinusOne+'.tx_id=myr1.tx_id and myr1.item1>'+@RKMinusOne+'.item'+cast(@KMinusOne as varchar(10))exec(@str2)print '扫描R[k-1]和R1将符合条件者合并生成Rktemp完成'---------------将RKTemp(即R'[K])按全部item列排序--------------------set @str1='declare @max int select @max=count(name) from syscolumns where id=object_id('''+'RKTemp'+''') --print @max declare @min int set @min=2 declare @tt varchar(max) set @tt='''' while @min<=@max begin declare @name varchar(MAX) select @name=name from( select row_number()over(order by getdate()) as num, name from syscolumns where id=object_id('''+'RKTemp'+'''))a where num=@min set @tt=ISNULL(@tt,'','')+@name+'','' set @min=@min+1 end --print @tt declare @ss varchar(max)set @ss='''' set  @ss=''select * into #temp from '+'RKTemp'+' order by ''+LEFT(@tt,LEN(@tt)-1)+'' delete from '+'RKTemp'+' insert '+'RKTemp'+' select * from #temp drop table #temp''exec(@ss)'exec(@str1)print '将RKTemp按全部item列排序完成'-------------------用RKTemp(即R'[k])计算支持度生成C[K]-------------------declare @number intset @number=1set @CK='C'+cast(@k as varchar(100)) declare @string varchar(max)set @string='create table '+@CK+'('declare @sqlstring varchar(1000)set @sqlstring=''while @number<=@kbeginset @sqlstring=ISNULL(@sqlstring,',')+'item'+CAST(@number as varchar)+' nvarchar(50),'set @number=@number+1endset @sqlstring=@sqlstring+'cnt int,'--print left(@sqlstring,LEN(@sqlstring)-1)set @string=@string+left(@sqlstring,LEN(@sqlstring)-1)+')'exec(@string)declare @group varchar(max)set @group=''set @number=1while @number<=@kbeginset @group=ISNULL(@group,',')+'item'+CAST(@number as varchar)+','set @number=@number+1endset @group=left(@group,LEN(@group)-1)--print '@group='+@groupdeclare @string2 varchar(max)set @string2='insert into '+@CK+' select '+@group+',count(*) from RKTemp group by '+@group+' having count(*)>='+@MinSupport--print '@string2='+@string2exec(@string2)print '用RKTemp计算支持度生成C[K]完成'-----------------用RKTemp和C[K]生成R[K]--------------------------        declare @numbert intset @numbert=1set @RK='R'+cast(@k as varchar(100)) declare @stringt varchar(max)set @stringt='create table '+@RK+'('declare @sqlstringt varchar(1000)set @sqlstringt='tx_id int,'while @numbert<=@kbeginset @sqlstringt=ISNULL(@sqlstringt,',')+'item'+CAST(@numbert as varchar)+' nvarchar(50),'set @numbert=@numbert+1end--print left(@sqlstringt,LEN(@sqlstringt)-1)set @stringt=@stringt+left(@sqlstringt,LEN(@sqlstringt)-1)+')'exec(@stringt)declare @string3 varchar(max)set @string3='insert into '+@RK+' select RKTemp.* from RKTemp,'+@CK+'where RKTemp.item1='+@CK+'.item1 and  RKTemp.item'+cast(@k as varchar(10))+'='+@CK+'.item'+cast(@k as varchar(10))--print '@string3='+@string3exec(@string3)print '用RKTemp和C[K]生成R[K]完成'-------------------R'[k]用完要删除----------------drop table RKTemp----------------------@RKNotEmpty重新赋值，若RK为空，则退出循环-------------set @RKNotEmpty='select tx_id into panduan from '+@RKexec(@RKNotEmpty)if not exists(select * from panduan)begindrop table panduanprint @RK+'为空，跳出循环啦！'breakendelsedrop table panduan
end----------------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------------

数据挖掘之关联规则挖掘之SETM算法实现相关推荐

【数据挖掘】关联规则挖掘 Apriori 算法 ( Apriori 算法过程 | Apriori 算法示例 )
文章目录一. Apriori 算法过程二. Apriori 算法示例参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则性质 | 非频繁项集超集性质 | 频繁项集子集性质 | 项集与超集支持度性质 )
文章目录一. 非频繁项集超集性质二. 频繁项集子集性质三. 项集与超集支持度性质参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Trans ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 )
文章目录一. 频繁项集二. 非频繁项集三. 强关联规则四. 弱关联规则五. 发现关联规则参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 )
文章目录一. 关联规则二. 数据项支持度三. 关联规则支持度参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 | 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 )
文章目录一. 关联规则挖掘简介二. 数据集与事物 ( Transaction ) 概念三.项 ( Item ) 概念四.项集 ( Item Set ) 概念五.频繁项集六.数据集.事物 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 )
文章目录一. 置信度二. 置信度示例参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 | 项 Item 概念 ...
《红楼梦》后四十回真假辨析——数据挖掘之关联规则挖掘
前言很多人都听说过<红楼梦>的后四十回并非曹雪芹所著.本文就是用关联规则挖掘的方法,验证红楼梦后四十回与前八十回之间的用词差异. 基本概念定义关联:自然界中某种事物发生时,其他事物也会 ...
【数据挖掘】关联规则挖掘
关联规则挖掘一.基本概念概念关联规则挖掘(Association rules mining) 在数据集中找到各项数据之间的关联关系. 项目(Item) ID Items bought 10 A, ...
数据挖掘之关联规则挖掘的一些定义
目录一.算法定义二.经典例子三.定义阐述 1.项集(Itemset) 2.事务T与事务集D 3.支持度计数(Support count) 4.支持度(Support) 5.频繁项集(Freque ...

数据挖掘之关联规则挖掘之SETM算法实现

数据挖掘之关联规则挖掘之SETM算法实现相关推荐

最新文章

热门文章