FP-Growth的python实现

最新推荐文章于 2023-11-23 13:56:13 发布
最新推荐文章于 2023-11-23 13:56:13 发布
阅读量591 收藏 3
点赞数
分类专栏： 数据挖掘 项集挖掘 FP-Growth 文章标签： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HitStuHan/article/details/117962171
版权

文章目录

前言

原文不知道是哪里的，但是确实不是自己写的。

一、环境配置

务必使用python=2.7的环境，因为在代码中，除了print的书写语法使用的是python=2.7的以外，最重要的是代码有部分内容是在循环处理dict（字典）时对字典本身进行了增删，这在pyhton=2.7是允许的，但是在python=3.7是绝对不允许的，如果使用的是python=3.7会报错！！！！！

二、读入文件

1.数据集格式

要求每个事务单独一行，项与项之间有一空格，文件格式为txt格式：

A B D E
B C E
A B D E
A B C E
A B C D E
B C D

2.读入数据

代码如下（示例）：

def ReadDataset(filename):
    #读入数据，dataset = [[项集1],[项集2],……，[项集n]]
    file = open(filename)
    line = ""
    line_list = []
    dataset = []
    while 1:
        line = file.readline()
        if not line:
            break
        else:
            line_list = line.split()
            dataset.append(line_list)
    # for i in dataset:
    #     print(i)
    return dataset

三、FP-Growth

class treeNode:
    # FP树中节点的类定义，用于构建FP树
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue       # 节点名字
        self.count = numOccur       # 计数值
        self.nodeLink = None        # 链接相似的元素项
        self.parent = parentNode    # 指向当前节点的父节点
        self.children = {}          # 存放节点的子节点

    def inc(self, numOccur):
        # 对count变量增加给定值
        self.count += numOccur

    def disp(self, ind=1):
        # 用于将树以文本形式显示
        print '  '*ind, self.name, ' ', self.count
        for child in self.children.values():
            child.disp(ind+1)



def createInitSet(dataSet):
    # 对数据集进行格式化处理
    retDict = {}
    for trans in dataSet:
        retDict[frozenset(trans)] = 1
    return retDict

def createTree(dataSet, minSup=1):
    # 该函数用于创建FP树
    # 该函数接收两个参数，分别是格式化后的数据集和需满足的最小支持度计数
    headerTable = {}                                # 存储头指针
    for trans in dataSet:
        # 循环每一个事务
        for item in trans:
            # 循环事务中的每一个元素，存储各元素的支持度计数
            headerTable[item] = headerTable.get(item, 0) + dataSet[trans]
    # 移除不满足最小支持度计数的元素项
    for k in headerTable.keys():
        if headerTable[k] < minSup:
            del(headerTable[k])
    freqItemSet = set(headerTable.keys())           # 存储删除后的元素项，即频繁项
    if len(freqItemSet) == 0: return None, None     # 如果没有元素项满足要求，则退出
    # 对头指针表扩展，以便可以保存计数值及指向每种类型第一个元素项的指针
    for k in headerTable:
        headerTable[k] = [headerTable[k], None]
    retTree = treeNode('Null Set', 1, None)         # 创建只包含空集合的根节点
    for tranSet, count in dataSet.items():          # 第二次遍历数据集，tranSet为各事务，count为初始化的计数值
        localD = {}
        for item in tranSet:
            if item in freqItemSet:                 # 如果该元素项为频繁项，则可继续操作
                localD[item] = headerTable[item][0] # 将第一次遍历得到的支持度计数赋值給相应元素
        if len(localD) > 0:
            orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)] # 获取元素项，并按支持度计数高到低排序
            updateTree(orderedItems, retTree, headerTable, count)
    return retTree, headerTable

def updateTree(items, inTree, headerTable, count):
    # 该函数接收4个参数，分别为已排序好的元素项、FP树、头指针表、对应计数值
    if items[0] in inTree.children:
        # 如果该元素是作为子节点存在，则更新该元素的计数
        inTree.children[items[0]].inc(count)
    else:
        # 否则，创建一个新的treeNode并将其作为一个字节点添加到树中
        inTree.children[items[0]] = treeNode(items[0], count, inTree)
        if headerTable[items[0]][1] == None:
            # 若头指针为空，更新头指针为树的子节点
            headerTable[items[0]][1] = inTree.children[items[0]]
        else:
            # 若头指针有值，更新头指针的nodeLink
            updateHeader(headerTable[items[0]][1], inTree.children[items[0]])
    if len(items) > 1:
        # 对剩下的元素进行迭代调用自身
        updateTree(items[1::], inTree.children[items[0]], headerTable, count)

def updateHeader(nodeToTest, targetNode):
    # 该函数用于更新头指针
    # 该函数接收2个参数，分别是待更新的位置和需更新的值
    while (nodeToTest.nodeLink != None):
        nodeToTest = nodeToTest.nodeLink           # 循环至链表尾端为None
    nodeToTest.nodeLink = targetNode

def ascendTree(leafNode, prefixPath):
    # 该函数用于递归上溯整颗树
    if leafNode.parent != None:
        prefixPath.append(leafNode.name)
        ascendTree(leafNode.parent, prefixPath)

def findPrefixPath(basePat, treeNode):
    # 该函数用于为给定元素项生成一个前缀路径
    # 该函数接收2个参数，分别是给定元素项和头指针表纪录的该元素的相似项路径
    condPats = {}
    while treeNode != None:
        prefixPath = []
        ascendTree(treeNode, prefixPath)
        if len(prefixPath) > 1:
            condPats[frozenset(prefixPath[1:])] = treeNode.count
        treeNode = treeNode.nodeLink
    return condPats

def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
    # 该函数用于将前缀路径转化为条件FP树
    # 该函数接收5个参数，分别是FP树、头指针表、需满足最小支持度计数、前缀路径、频繁项集
    bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: p[1])]  # 将频繁1-项集的元素按支持度计数低到高排序
    for basePat in bigL:
        newFreqSet = preFix.copy()
        newFreqSet.add(basePat)
        freqItemList.append(newFreqSet)
        condPattBases = findPrefixPath(basePat, headerTable[basePat][1])    # 获取basePat的前缀路径
        myCondTree, myHead = createTree(condPattBases, minSup)              # 根据给定的前缀路径构建FP树
        if myHead != None:
            # 递归直到该元素的前缀路径为空
            print 'conditonal tree for:', newFreqSet
            myCondTree.disp(1)
            mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)

def ReadDataset(filename="chainstoreFIM.txt"):
    #读入数据，dataset = [[项集1],[项集2],……，[项集n]]
    file = open(filename)
    line = ""
    line_list = []
    dataset = []
    while 1:
        line = file.readline()
        if not line:
            break
        else:
            line_list = line.split()
            dataset.append(line_list)
    # for i in dataset:
    #     print(i)
    return dataset

minsup = 0.001
simpDat = ReadDataset("chainstoreFIM.txt")
initSet = createInitSet(simpDat)
minsup = minsup*len(simpDat)
myFPtree, myHeaderTab = createTree(initSet, minsup)
print("create successfully")
myFPtree.disp()
print("display successfully")
freqItems = []
mineTree(myFPtree,myHeaderTab,minsup,set([]),freqItems)
print("mine successfully")

这一部分就是全部的代码，在复制粘贴的时候，不要复制本文的第二部分，不然会重复。

HitStuHan
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
在python中使用FP-growth算法
weixin_35748962的博客
01-11 1330
在 Python 中使用 FP-growth 算法可以使用第三方库 PyFIM。PyFIM 是一个 Python 的实现频繁项集挖掘算法库，它提供了多种频繁项集挖掘算法，其中包括 FP-growth。 首先，需要安装 PyFIM 库。可以使用 pip 安装，在命令行中输入： pipinstall pyfim 安装完成后，就可以在 Python 中使用了。下面是一个使用 FP-growth 算法挖...
机器学习（十一）：FP增长（FP-growth）
weixin_30257433的博客
08-20 178
四、代码实现（python） 以下代码来自Peter Harrington《Machine Learing in Action》代码如下（保存为fpGrowth.py)： # -- coding: utf-8 -- class treeNode: # FP树中节点的类定义，用于构建FP树 def __init__(self, nameValue, num...
用Python实现Apriori算法和FP-growth算法
weixin_53606817的博客
09-22 796
《数据挖掘与知识发现》第二章第五题，Python的解法。
Fp-growth算法python实现（数据挖掘学习笔记）
qq_55906442的博客
06-14 3312
# -*- coding: utf-8 -*- from tqdm import tqdm import time import psutil import os def load_data(): # 根据路径加载数据集 ans = [] # 将数据保存到该数组 reader = [ ['M', 'O', 'N', 'K', 'E', 'Y'], ['D', 'O', 'N', 'K', 'E', 'Y'], ['M', '.......
FP-Growth算法全解析：理论基础与实战指导
最新发布
sdgfafg_25的博客
11-23 1014
频繁项集是一个包含在多个事务中频繁出现的项（或物品）集合。例如，在购物篮分析中，「牛奶」和「面包」经常一起购买，因此{'牛奶', '面包'}就是一个频繁项集。关联规则挖掘是一种在大量事务数据中找出有趣关系或模式的方法。这种“有趣的关系”通常是指项之间的关联或者条件依赖关系。例如，在销售数据中，购买了“电视”通常也会购买“遥控器”，形成如下关联规则："电视 -> 遥控器"。在本篇博客中，我们全面地探讨了FP-Growth算法，从其基本原理和数学模型到实际应用和Python代码实现。
FP-growth python 实现
12-20
类似：'ascii' codec can't decode byte 0xe8 in position 0 的报错，请修改fpgrowth.py中的CreatFPtree中的下面两种： orderedItem = [v[0] for v in sorted(localD.iteritems(), key=lambda p:(p[1], -ord(p[0]))...
FP-growth 算法（Python语言实现）
08-13
主要用于大数据关联性挖掘，基于Python环境
python-fp-growth-master.zip
08-02
Usage of the module is very simple. Assuming you have some iterable of ... from fp_growth import find_frequent_itemsets for itemset in find_frequent_itemsets(transactions, minsup): print itemset
FP-growth算法python实现
04-01
FP-growth算法python实现含数据集，FP-growth算法是将数据集存储在一个特定的FP树结构之后挖掘其中的频繁项集，即常在一块出现的元素项的集合FP树。
FP-Growth算法python实现
08-11
python实现FP-Growth 频繁模式算法
FPGrowth-python:用python实现的基于FPGrowth的关联规则挖掘
06-07
FPGrowth-python 此实现基于 。 输入文件格式 python 脚本接受以下格式的输入文件： f,c,a,m,p f,c,b 或者 f c a m p f c a 与 IBM Quest Synthetic Data Generator 和以生成 csv 文件。 如何使用 首先使main.py可执行。 chmod +x main.py 运行 FP-Growth 算法 ./main input_file minsup minconf 输出 该程序首先打印频繁模式： { frequent itemset } (support of the frequent item set) 例如。 { a } ( 3 ) { a c } ( 3 ) { a c f } ( 3 ) { a f } ( 3 ) ... 之后它会打印规则： { frequent itemset
fpgrowth的python实现
01-28
少有的fpgrowth算法的python实现。只要传入数据集，就可计算出频繁模式集。 少有的fpgrowth算法的python实现。只要传入数据集，就可计算出频繁模式集。
FP-Growth算法代码
02-29
FP-Growth算法原代码
Fp-Growth 代码
左手coding，右手cooking
05-22 724
public class TreeNode { private TreeNode parent; private String name; private int count; private Set<TreeNode> children; public TreeNode(TreeNode parent,String name,int count){
FP-growth算法原理及python实现（详细代码解释）
热门推荐
weixin_42419314的博客
11-02 1万+
目录 算法简介 构建FP树 挖掘频繁项集 算法简介 FP-growth算法的应用我们经常接触到。比如，你在百度的搜索框内输入某个字或词，搜索引擎会自动补全查询词项，而这些词项都是和搜索词经常一起出现的。  FP-growth算法被用来挖掘频繁项集，也就是说从已给的多条数据记录中挖掘出哪些项是频繁一起出现的。该算法适用于标称型数据，即离散型数据。它比Apriori算法更高效，因为该算...
【机器学习实战-python3】使用FP-growth算法来高效 发现频繁项集
修行的猫ZQ
05-05 9526
本篇的数据和代码参见：https://github.com/stonycat/ML-in-Action本章会在上一章讨论话题的基础上进行扩展，将给出一个非常好的频繁项集发现算法。该算法称作FP-growth，它比上一章讨论的Apriori算法要快。它基于Apriori构建，但在完成相同任务时采用了一些不同的技术。这里的任务是将数据集存储在一个特定的称作FP树的结构之后发现频繁项集或者频繁项对，即常在
关联分析——FP-growth算法
Allen的博客
08-12 1万+
使用FP-growth算法来高效发现频繁项集 FP-growth算法基于Apriori构建，但采用了高级的数据结构减少扫描次数，大大加快了算法速度。FP-growth算法只需要对数据库进行两次扫描，而Apriori算法对于每个潜在的频繁项集都会扫描数据集判定给定模式是否频繁，因此FP-growth算法的速度要比Apriori算法快。 FP-growth算法发现频繁项集的基本过程如下：
频繁模式增长算法（FP-growth）
Forlogenの解忧杂货铺
03-26 4787
算法提出的背景 尽管有着很多的办法用来提升Apriori算法效率，但是如下的两个问题并没有得到很好的解决： 仍会产生大量的候选集，比如10410^4104个频繁1项集，就需要产生10710^7107个频繁2项集 在产生频繁K项集的过程中，需要重复的扫描数据库，开销很大 FP-growth算法的基本原理 FP-growth算法的提出，就很好的解决了在产生候选项集过程中巨大的开销。 它采用了分治的...
FP-growth python
09-03
### 回答1： FP-growth 是一种频繁模式挖掘算法，可用于发现数据集中的频繁模式或频繁项集。在 Python 中，可以使用 `mlxtend` 库中的 `fpgrowth` 方法来实现 FP-growth 算法。下面是一个使用 `mlxtend` 库实现 FP-growth 的示例代码： ```python from mlxtend.preprocessing import TransactionEncoder from mlxtend.frequent_patterns import fpgrowth # 假设我们有以下交易数据 dataset = [['apple', 'beer', 'rice', 'chicken'], ['apple', 'beer', 'rice'], ['apple', 'beer'], ['apple', 'banana'], ['milk', 'beer', 'rice', 'chicken'], ['milk', 'beer', 'rice'], ['milk', 'beer'], ['milk', 'banana']] # 将交易数据转换成 TransactionEncoder 可以处理的形式 te = TransactionEncoder() te_ary = te.fit(dataset).transform(dataset) # 将 TransactionEncoder 转换成 Pandas Dataframe df = pd.DataFrame(te_ary, columns=te.columns_) # 使用 fpgrowth 算法查找频繁项集 frequent_itemsets = fpgrowth(df, min_support=0.5, use_colnames=True) print(frequent_itemsets) ``` 输出结果如下： ``` support itemsets 0 0.75 (beer) 1 0.50 (apple) 2 0.50 (rice) 3 0.50 (beer, chicken) 4 0.50 (beer, rice) 5 0.50 (milk, chicken) 6 0.50 (milk, beer) ``` 以上代码中，我们使用了 `mlxtend` 库中的 `TransactionEncoder` 类将交易数据转换成 FP-growth 可以处理的形式，然后使用 `fpgrowth` 方法查找频繁项集。`min_support` 参数指定了最小支持度，`use_colnames` 参数指定了是否使用列名代替元素名。输出结果中，`support` 列显示了每个频繁项集的支持度，`itemsets` 列显示了对应的项集。 ### 回答2： FP-Growth是一种常用的频繁项集挖掘算法，用于在大规模数据集中发现频繁的项集。在Python中，我们可以使用FP-Growth算法的一个开源实现库来进行频繁项集挖掘。 Python中有许多用于实现FP-Growth算法的库，如PyFIM、mlxtend等。其中，PyFIM是一个非常流行的库，它提供了FP-Growth算法的实现以及其他与频繁项集挖掘相关的功能。 要使用PyFIM库进行FP-Growth算法的频繁项集挖掘，我们首先要安装这个库，可以通过pip命令来进行安装。安装完成后，我们可以在Python的脚本中导入PyFIM库，然后使用它提供的函数来进行频繁项集挖掘。 在使用FP-Growth算法进行频繁项集挖掘时，需要提供一个数据集作为输入。数据集可以是一个二维列表或一个矩阵，其中每一行代表一个交易记录，每一列代表一个项。然后，我们可以调用PyFIM库中的fpgrowth函数来执行FP-Growth算法，并传入数据集作为参数。 执行FP-Growth算法后，PyFIM库会返回一个包含频繁项集的列表。每个频繁项集是一个由项构成的列表，其中每个项都有一个计数值，表示该项在数据集中出现的次数。我们可以根据需要，对返回的频繁项集进行进一步的处理和分析。 总之，FP-Growth算法是一种用于频繁项集挖掘的有效算法，Python中有许多库可以实现该算法，如PyFIM。使用这些库，我们可以方便地在大规模数据集中发现频繁的项集。 ### 回答3： FP-growth是一种用于频繁模式挖掘的算法，它用于在大规模数据集中发现频繁项集。它是一种基于树的方法，通过构建频繁模式树（FP-tree）来快速找到频繁项集。 在使用FP-growth算法之前，我们需要对数据集进行预处理，将每个事务中的项按照出现频率进行排序。然后，FP-growth算法通过两步来构建FP-tree。 第一步是构建头指针表，它记录了每个项在FP-tree中的位置。头指针表通过扫描数据集一次来构建，每次遇到频繁项时，我们更新头指针表中的相应项。 第二步是构建FP-tree，我们依次读取每个事务的项集，根据项集的出现顺序来构建FP-tree。对于每个项集，我们从FP-tree根节点开始，检查是否存在相应的子节点，如果存在，则增加相应节点的计数；如果不存在，则创建新的节点，并将其添加到树中。树的每个节点包含此项的计数及其指向下一个相同项的指针。 构建FP-tree后，我们可以通过遍历FP-tree来获取频繁项集。通过递归遍历FP-tree，从叶子节点开始向上回溯，可以找到每个项的条件模式基。然后，我们可以利用条件模式基再次构建FP-tree，直到不能再找到频繁项集为止。 FP-growth算法相较于传统的Apriori算法具有显著的优势。首先，它只需要扫描数据集两次，而Apriori算法则需要多次扫描。其次，FP-growth算法通过树的结构压缩数据，减少了存储空间的需求。因此，在大规模数据集上，FP-growth算法的性能更好。 在Python中，我们可以使用第三方库pyfpgrowth来实现FP-growth算法。该库提供了简单易用的接口来构建FP-tree和获取频繁项集。 总而言之，FP-growth是一种高效的频繁模式挖掘算法，它可以在大规模数据集上快速找到频繁项集。Python提供了方便的工具库来实现FP-growth算法，可以轻松应用于实际数据挖掘任务中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值