数据挖掘 FP-tree 算法

学习笔记之数据挖掘 FP-tree 算法

FP-tree 算法和 Apriori 算法都被用作关联规则挖掘。
FP-tree 算法只进行 2 次数据库扫描。相比于 Apriori 算法，她没有候选集，直接压缩数据库成一个频繁模式树，通过这棵树生成关联规则。两个主要步骤：
1. 利用事务数据库中的数据构造 FP-tree；
2. 从 FP-tree 中挖掘频繁模式。

步骤一： 构建 FP-tree 树

1. 扫描数据库一次，得到频繁 1-项集；

2. 把项按支持度递减排序；

   真实项目中，支持度一般设置的都不会太低。如定义 minsup = 20%, 即最小支持度为 2;

3. 再一次扫描数据库，建立 FP-tree;

FP-tree 结构的好处

步骤二：频繁模式的挖掘

1. 根据事务数据库 D 和最小支持度 min_sup，调用建树过程，建立 FP-tree;
2. if FP-tree 为简单路径：
   将路径上支持度计数大于 min_sup 的节点任意组合，得到所需的频繁模式
   else
   初始化最大频繁模式集合为空
3. 按照支持频率升序，以每个 1-频繁项为后缀，调用为挖掘算法挖掘最大频繁模式集；
4. 根据最大频繁模式集合中最大频繁模式，输出全部的频繁模式。

例子

数据

构造 FP-tree

FP-growth

FP-tree 算法的优缺点

优点

1. FP-tree 算法只需对事务数据库进行二次扫描；
2. 避免产生大量候选集；

缺点

1. 要递归生成条件数据库和条件 FP-tree，所以内存开销大；
2. 只能用于挖掘单维的布尔关联规则；