Apriori算法代码疑问：频繁项集是否存在重复计数问题？

这段代码确实存在错误，会导致同一用户对同一个2项频繁项集重复计数，原因如下：

• 虽然frozenset是无序集合，frozenset({A,B})和frozenset({B,A})会被视为同一个键，不会被拆分成两个不同项集，但代码逻辑会让同一用户的同一个2项集被多次统计：
  比如某用户同时评论了电影A和B，当遍历1项集{A}时，会生成{A,B}并给计数加1；当遍历1项集{B}时，又会生成同一个{A,B}并再次加1。最终该用户对{A,B}的贡献被算成2次，但实际上支持度的定义是“包含该项目集的用户数量”，正确统计应该是1次。

修正思路 #

要解决这个问题，核心是确保每个用户的每个目标项集只被统计一次，有两种常见修正方式：

方式1：直接生成所有2项集（适合k=2的场景） #

利用itertools.combinations直接生成用户评论列表中的所有2项组合，每个组合仅统计一次：

from collections import defaultdict
from itertools import combinations

def find_frequent_itemsets(favorable_reviews_by_users, min_support):
    counts = defaultdict(int)
    for user, reviews in favorable_reviews_by_users.items():
        # 生成当前用户所有可能的2项集
        for pair in combinations(reviews, 2):
            counts[frozenset(pair)] += 1
    # 过滤出满足最小支持度的项集
    return {itemset: freq for itemset, freq in counts.items() if freq >= min_support}

方式2：保留Apriori迭代扩展逻辑（适合通用k项集生成） #

先收集当前用户所有符合条件的k-1项集，生成候选k项集后去重，再统一统计：

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():
        # 筛选出当前用户评论中包含的所有k-1项集
        user_valid_k1 = [itemset for itemset in k_1_itemsets if itemset.issubset(reviews)]
        # 生成候选k项集并去重
        candidate_sets = set()
        for itemset in user_valid_k1:
            for other_movie in reviews - itemset:
                candidate_sets.add(itemset | frozenset((other_movie,)))
        # 每个候选集仅统计一次当前用户的贡献
        for candidate in candidate_sets:
            counts[candidate] += 1
    return {itemset: freq for itemset, freq in counts.items() if freq >= min_support}

内容的提问来源于stack exchange，提问作者rd z