FP-Growth算法详解
简介
FP-Growth(Frequent Pattern Growth)算法是一种高效的关联规则挖掘算法,用于发现大型数据库中的频繁项集。与Apriori算法不同,FP-Growth避免了候选项集的生成过程,通过构建频繁模式树(FP-Tree)来压缩数据库,并递归地挖掘频繁项集。FP-Growth在处理大规模数据集时表现出色。
基本概念
- 频繁项集(Frequent Itemset):在数据库中出现次数大于或等于最小支持度阈值的项集。
- FP-Tree(频繁模式树):一种压缩数据库的树结构,用于存储项集的频繁模式。
- 条件FP-Tree(Conditional FP-Tree):针对某一特定项构建的FP-Tree,用于递归挖掘频繁项集。
FP-Growth算法流程
-
构建FP-Tree:
- 扫描数据库,计算每个项的支持度。
- 移除不满足最小支持度的项。
- 对每个事务中的项按照支持度降序排序。
- 构建FP-Tree,将排序后的事务插入FP-Tree中,更新路径上的计数。
-
递归挖掘频繁项集:
- 从FP-Tree中提取频繁项。
- 构建条件FP-Tree。
- 在条件FP-Tree上递归挖掘频繁项集。
算法的数学描述
- 扫描数据库,计算每个项的支持度,移除不满足最小支持度的项。
- 构建FP-Tree:
- 创建根节点(“null”)。
- 对每个事务进行处理,按支持度降序排序后插入FP-Tree,更新路径上的计数。
- 递归挖掘频繁项集:
- 从FP-Tree中提取频繁项并构建条件FP-Tree。
- 对条件FP-Tree递归执行步骤3,直到FP-Tree为空或只包含单一路径。
实现示例
以下是使用Python和mlxtend库实现FP-Growth算法的示例:
import pandas as pd
from mlxtend