一、实验名称：Apriori和Fp-growth算法
二、实验日期：2013年10 月18 日
三、实验目的：
通过本次实验掌握Apriori和Fp-growth算法的思想
四、实验用的仪器和材料：
硬件：PC电脑一台；
配置：内存，2G及以上硬盘250G及以上
软件环境：操作系统windows server 2003
数据库环境：Microsoft SQL SERVER 2005
五、实验的步骤和方法：
假设事务集合T如下表所示：
事务ID事务的项目集
T1A,B,E
T2B,D
T3B,C
T4A,B,D
T5A,C
T6B,C
T7A,C
T8A,B,C,E
1、根据以上事务集合，通过Apriori算法实现：
1）假定最小事务支持数是2，写出搜索所有频繁项集的过程。

2）假定最小置信度为60%，写出1）题中已求出的频繁3-项集的所有项组成的强关联规则。

在事务数据库中，频繁项集L={A，B，E}，可以由L产生哪些关联规则？
L的非空子集S有：{A, B}, {A, E}, {B, E}, {A}, {B},{E}。

可得到关联规则如下：
A ∧
B → E conf=2/3=66%
A ∧ E →
B conf=2/2=100%
B ∧ E → A conf=2/2=100%
A →
B ∧ E conf=2/5=40%
B → A ∧ E conf=2/6=33%
E → A ∧ B conf=2/2=100%
假设最小置信度为60％，则最终输出的关联规则为：
A ∧
B → E 66%
A ∧ E →
B 100%
B ∧ E → A 100%
E → A ∧ B 100%
2、根据以上事务集合，通过Fp-growth算法实现：
1）画出FP树。

2）列出逐层递归产生的频繁项集。

六、数据记录和计算：指从实验中测到的数据以及计算结果。

七、实验结果或结论：即根据实验过程中所见到的现象和测得的数据，作出结论。

八、备注或说明：可写上实验成功或失败的原因，实验后的心得体会、建议等。

九、引用参考文献：
1. 张兴会．数据仓库与数据挖掘技术．清华大学出版社。