关联分析中FPGrowth算法原理及实战

前提

apriori存在以下不足，每次计算项集都会产生大量的候选项集，使计算资源和储存空间产生浪费。而树模型是一种很好的储存数据的方式，故FPGrowth算法由此而生。FPGrowth算法是优化版的apriori算法。

算法原理

某家水果店的订单清单如下：

购物单号	购买的水果
1	苹果、香蕉、梨
2	苹果、香蕉、梨、芒果
3	香蕉、梨、芒果、水蜜桃
4	苹果、芒果
5	苹果、芒果、水蜜桃、橘子

FPGrowth算法原理：
step1：
扫描一遍数据集，计算k=1的项集支持度，按从大到小进行排序，提出不满足最小支持度的项集。（假设min_support = 0.5）
得到如下

水果	N
苹果	4
芒果	4
香蕉	3
梨	3

step2：
将原始表每条交易记录也按从大到小产生的顺序排序。
得到如下

购物单号	购买的水果
1	苹果、香蕉、梨
2	苹果、芒果、香蕉、梨
3	香蕉、芒果、梨
4	苹果、芒果
5	苹果、芒果

step3：
将交易记录结果记录到FP树上。

step4：从下往上，从梨到苹果，进行查找，（假设min_support = 0.5）。
如下：梨的频繁项集：{梨}
香蕉的频繁项集：{香蕉}
芒果的频繁项集：{芒果}、{芒果、苹果}
苹果的频繁项集：{苹果}
总借频繁项集为：{梨}、{香蕉}、{芒果}、{芒果、苹果}、{苹果}