FPTree 建树及挖掘

本文为学习 https://www.cnblogs.com/pinard/p/6307064.html 的笔记

FP Tree 又叫FP Growth算法

结构

项头表和FP Tree:
项头表存储的是所有的1频繁项集，并且按照支持度递减， pointer是一个链表，串着元素相同的1频繁项集。

项头表与数据预排序

将所有的频繁1项集按照支持度排序，删除低于阈值的1项集，并将这些1项集放入项头表。将每条数据中的元素按照其单个支持度排序，大的元素放在前。

建树

根结点为null，然后一条条插入数据， 每个节点对应的数字为这条路径上该1项集出现的次数（有点像字典树）。
（1）插入ACEBF

（2）插入ACG, 因为我们之前对每条数据进行预排序了，所以利用公共的节点。
在已有的路径上进行插入，出现不能完全重合的路径就产生分支。
插入第三条数据E的时候即为null的右子树。

（3）插入ACEC
注意， 每次插入一条数据后，对应的叶节点要连在项头表链表中对应元素的后面。

挖掘

FP Tree建好以后， 对其进行挖掘。对于项头表中的每一个元素，从下往上，在FP Tree中找到以该点为叶子节点所有路径（比如下面以D结尾的路径有两条），将每条路径上每个点的计数设为叶子节点的计数，然后求出以该节点为终节点的所有1~n项集。
比如求D的频繁项集时，其FP Tree如下，因为D有两个叶子节点，所有分两次进行，

首先修改以D为叶子节点的路径上节点的计数，A和C的而都是由累加的得到的，删除该Tree中总计数频次小于阈值的节点（E和G），将其变成直线：

这样我们可以得到 A=2 --C=2–D=2的路径（两条路径合并后的结果），然后分别求以D结尾的频繁n项集。
假如E G没用被删，那么将形成 ACEGD和ACD两条路径，频率都为1，拆分成1~n项集再合并。

优点

改进了Apriori算法扫描过多次的瓶颈，该算法只需要扫描两次数据集，第一次建立项头表，第二次建数