FP-growth算法

当搜索引擎输入一个单词的时候，会自动补全查询词项。用的就是FP-growth算法，一种用来高效发现频繁集的方法。比Apriori算法更快。

应用：用于识别经常出现的元素相，制定决策、推荐元素或进行预测等。

任务：将数据集存储在一个特定的称作FP树的结构之后发现频繁项对，即常在一块出现的元素项的集合FP树。执行速度比Apriori性能要好两个数量级以上。

每次增加频繁项集的大小，Apriori算法都会重新扫描整个数据集，而FP-growth算法只需要对数据库进行两次扫描。

过程：

（1）构建FP树

• 1）第一遍对所有元素项的出现次数进行计数。
• 2）第二遍扫描去掉不满足最小支持度的元素，按序读入每个项集并添加到一个存在的路径中，构建FP树。

事务数据集（最小支持度为3）

事务ID	事务中的元素项	过滤及重排后的元素项
001	r,z,h,j,p	z,r
002	z,y,x,w,v,u,t,s	z,x,y,s,t
003	z	z
004	r,x,n,o,s	x,s,r
005	y,r,x,z,q,t,p	z,x,y,r,t
006	y,z,x,e,q,s,t,m	z,x,y,s,t

从空集开始，将过滤和重排序后的频繁项集一次添加到树中。如果树中已存在现有元素，则增加现有元素的值；如果现有元素不存在，则向树添加一个分支。

实现带头指针的FP树

（2）从FP树中挖掘（抽取）频繁项集

从FP树中抽取频繁项集的三个基本步骤如下：

• 1）从FP树中获得条件模式基；
• 2）利用条件模式基，构建一个条件FP树；
• 3）迭代重复步骤1步骤2，直到树包含一个元素项为止。

从头指针表中的每个频繁元素项开始，对每个元素项，获得其对应的条件模式基。条件模式基是以所查找元素项为结尾的路径集合（前缀路径）。

频繁项	前缀路径
z	{}5
r	{x,s}1,{z,x,y}1,{z}1
x	{z}3,{}1
y	{z,x}3
s	{z,x,y}2,{x}1
t	{z,x,y,s}2,{z,x,y,r}1

前缀路径用于构建条件FP树，递归发现频繁项、发现条件模式基及条件树。

以频繁项t为例：

元素项s以及rs和r不满足最小支持度的条件，它们并不属于条件FP树。

递归查找频繁项集：

输入：我们有当前数据集的FP树（inTree，headerTable）
1. 初始化一个空列表preFix表示前缀
2. 初始化一个空列表freqItemList接收生成的频繁项集（作为输出）
3. 对headerTable中的每个元素basePat（按计数值由小到大），递归：

• 记basePat + preFix为当前频繁项集newFreqSet
• 将newFreqSet添加到freqItemList中
• 计算的条件FP树（myCondTree、myHead）
• 当条件FP树不为空时，继续下一步；否则退出递归
•  以myCondTree、myHead为新的输入，以newFreqSet为新的preFix，外加freqItemList，递归这个过程

以频繁项t为例：

图中红色加粗的部分即实际添加到freqItemList中的频繁项集。