数据挖掘关联规则挖掘FPtree的思想

FPtree是针对Apriori关联规则挖掘算法的改进，他的优点在于只需要扫描一遍数据库，建好了FPtree之后，基于树做关联规则挖掘就可以了，显然大大减少了数据库的扫描次数。

建FPtree前的工作

在扫描左边一条一条数据的时候，我们完成项头表，即记录了频繁1项集，不但如此，还记录这些频繁1项集谁最频繁，也就是次数，比如A出现了8次。

接下来我们将左边每一条数据进行一定的处理，这个处理包括两部分：

1. 把非频繁1项集删去，因为频繁K项集中一定不会出现这个项，留着对我们关联规则挖掘也没有用。比如A,B,C,E,F,O变成A,B,C,E,F。
2. 完成了1之后，我们把那个交易记录排一下序，由于C出现8次比B多，所以A,B,C,E,F变成A,C,E,B,F。这一步非常非常关键，后面即可知道

FPtree的建立

根据排序后的交易记录建树。

A,C,E,B,F

A,C,G,这里大家观察一下，节点被经历了多少次是要计数的，下图可以发现，A,C都变成了被经历了2次。


FPtree的挖掘

前面一直都是合情合理，却不知道为什么要这样的数据结构，这全都是因为这里的需要。下面我们基于上面生成的FPtree进行关联规则挖掘。

我们先从上面的F节点看起，对应唯一一条路径{A:8,C:8,E:6,B:2, F:2}。这其实给我们的直观理解就是：A,C,E,B,F在所有交易记录中出现了2次。由于我们的最小支持度是2，所以这就是频繁5项集了。不过，具体做法是，我们定义F的条件模式基为：{A:2,C:2,E:2,B:2}，不写自身节点F，所以才叫基。

我们知道{A,C,E,B,F}是频繁5项集，根据Apriori算法，所有子集都是频繁项集，比如频繁2项集有：{A,F},{C,F},{E,F},{B,F}。其实显然我们知道还有{C,E}，但是我们在此处不写，因为这里如果挖掘了{C,E}，等到我们下次处理节点E的时候，会重复，到时候又要去重。总之，这里的频繁k项集都要带着F，再比如频繁3项集有：{A,C,F}。但是不可以{A,C,E}。

F挖掘完了，我们开始挖掘D节点。D节点比F节点复杂一些，因为它有两个叶子节点，因此首先得到的FP子树如下图左。仿照前面，直观理解，我们可以得到：{A:1, C:1,E:1 G:1,D:1},{A:1,C:1,D:1}。合并一下{A:2, C:2,D:2}。这里为什么去除E,G，想必你很容易理解。通过{A:2, C:2,D:2}，我们很容易得到D的频繁2项集为{A:2,D:2}，{C:2,D:2}。递归合并二项集，得到频繁三项集为{A:2,C:2,D:2}。D对应的最大的频繁项集为频繁3项集。

同样的方法可以得到B的条件模式基如下图右边，递归挖掘到B的最大频繁项集为频繁4项集{A:2, C:2, E:2,B:2}。

挖掘G的频繁项集。这里稍微注意一下，可以好好理解一下。挖掘到的G的条件模式基如下图右边，递归挖掘到G的最大频繁项集为频繁4项集{A, C, E,G}。并且这个出现4次。

E的条件模式基如下图右边，递归挖掘到E的最大频繁项集为频繁3项集{A:6, C:6, E:6}。

C的条件模式基如下图右边，递归挖掘到C的最大频繁项集为频繁2项集{A:8, C:8}。

至于A，由于它的条件模式基为空，因此可以不用去挖掘了。其实前面的很多频繁项集都包括了A，所以不用向下挖掘，是重复的

至此我们得到了所有的频繁项集。一个问题，我们注意到：我们是按项头表逆序来依次挖掘的，因为这些一般在叶子节点。比如F,D。。。的顺序依次挖掘。可否反着来的，或者乱序来呢？大家可以试一试，反着来应该是可以的，但是处理步骤更复杂。

FPtree算法归纳

　　　　这里我们对FP Tree算法流程做一个归纳。FP Tree算法包括三步：

　　　　1）扫描数据，得到所有频繁一项集的的计数。然后删除支持度低于阈值的项，将1项频繁集放入项头表，并按照支持度降序排列。

　　　　2）扫描数据，将读到的原始数据剔除非频繁1项集，并按照支持度降序排列。

　　　　3）读入排序后的数据集，插入FP树，插入时按照排序后的顺序，插入FP树中，排序靠前的节点是祖先节点，而靠后的是子孙节点。如果有共用的祖先，则对应的公用祖先节点计数加1。插入后，如果有新节点出现，则项头表对应的节点会通过节点链表链接上新节点。直到所有的数据都插入到FP树后，FP树的建立完成。

　　　　4）从项头表的底部项依次向上找到项头表项对应的条件模式基。从条件模式基递归挖掘得到项头表项项的频繁项集。