【机器学习实战】FP-growth算法详解

code link

背景

支持度：出现的频率
置信度：“如果A那么B”的可信度

apriori算法 需要多次扫描数据，I/O 大大降低了时间效率

1. fp-tree数据结构

1> 项头表

记录所有的1项频繁集出现的次数，并降序排列

2> fp tree

根据项头表，构建fp树

3> 节点链表

所有项头表的1项频繁集都是一个节点链表的头，依次指向fp树中的位置，而且方便查找和更新

2. 项头表的建立

排序后的数据集进行了两步操作:
1> 删除每行关键字中支持度小于minSup的
2> 对关键字中剩下的元素按照支持度排序

3. fp tree和节点链表一起构建

开始节点为空
首先插入第一行关键字

接着插入第二行关键字，如果有重复的前缀路径，则路径上的节点+1

.
.
.
,
,
.
.
类似的我们插入所有的数据之后，fptree和链表也都建好了,下图即为最后的tree和节点链表

4.FP Tree的挖掘

对项头表从底部依次向上挖掘频繁集，对于项头表对应于fp树的每一项，我们要找到它的条件模式基（所有的路径前缀），更新该路径的节点数目。
F：

D:

…

最后是A，因为条件模式基为空，所以可不用挖掘
由此，我们得到了所有的频繁集（> 0.2）,如果只要最大的频繁k项集，从上面分析可以看出，最大的是5项集，A----C----E----B----F

5.FP Tree步骤总结

1> 扫描数据，得到所有频繁一项集的计数，按照支持度保留满足的项，将频繁一项集放入项头表，并按降序排列
2> 扫描数据，重置原始数据（删除非频繁一项集，并按支持度排序）
3> 读入排序后的数据集，插入FP树，并构建节点链表
4> 挖掘频繁信息，按照项头表，从底向上依次寻找频繁集。

参考博主