6.3-FP-growth

  FP-growth算法基于Apriori构建，但采用了高级的数据结构减少扫描次数，大大加快了算法速度。FP-growth算法只需要对数据库进行两次扫描，而Apriori算法对于每个潜在的频繁项集都会扫描数据集判定给定模式是否频繁，因此FP-growth算法的速度要比Apriori算法快。
  FP-growth算法发现频繁项集的基本过程如下：
- 构建FP树
- 从FP树中挖掘频繁项集

  FP-growth算法优缺点：
- 优点：一般要快于Apriori
- 缺点：实现比较困难，在某些数据集上性能会下降

构建FP树：用于编码数据集的有效方式

  FPGrowth算法主要分为两个步骤：FP-tree构建、递归挖掘FP-tree。FP-tree构建通过两次数据扫描，将原始数据中的事务压缩到一个FP-tree树，该FP-tree类似于前缀树，相同前缀的路径可以共用，从而达到压缩数据的目的。接着通过FP-tree找出每个item的条件模式基、条件FP-tree，递归的挖掘条件FP-tree得到所有的频繁项集。算法的主要计算瓶颈在FP-tree的递归挖掘上，下面详细介绍FPGrowth算法的主要步骤。
  FPTree算法的基本数据结构，包含一个一棵FP树和一个项头表，每个项通过一个结点链指向它在树中出现的位置。基本结构如下所示。需要注意的是项头表需要按照支持度递减排序，在FPTree中高支持度的节点只能是低支持度节点的祖先节点。

  与搜索树不同的是，一个元素项可以在一棵FP树种出现多次。FP树辉存储项集的出现频率，而每个项集会以路径的方式存储在数中。存在相似元素的集合会共享树的一部分。只有当集合之间完全不同时，树才会分叉。树节点上给出集合中的单个元素及其在序列中的出现次数，路径会给出该序列的出现次数。
  交代一下FPTree算法中几个基本的概念：
] FP-Tree：就是上面的那棵树，是把事务数据表中的各个事务数据项按照支持度排序后，把每个事务中的数据项按降序依次插入到一棵以NULL为根结点的树中，同时在每个结点处记录该结点出现的支持度。
] 条件模式基：包含FP-Tree中与后缀模式一起出现的前缀路径的集合。也就是同一个频繁项在PF树中的所有节点的祖先路径的集合。比如I3在FP树中一共出现了3次，其祖先路径分别是{I2，I1：2(频度为2)}，{I2：2}和{I1：2}。这3个祖先路径的集合就是频繁项I3的条件模式基。
] 条件树：将条件模式基按照FP-Tree的构造原则形成的一个新的FP-Tree。比如上图中I3的条件树就是：

  举例说明，下表用来产生的FP树:和之前一样，取支持度=0.4，阈值=0.4*10=4，因为D、F、G出现次数小于4次，小于阈值，所以被删除，项头表按照各一项集出现的次数重新排序。如ABCE=]EABC。。
对示例数据集进行过滤和重排序的结果如下：

FP-Tree的建立

  FP-Tree(Frequent Pattern Tree)初始时只有一个根节点Null，将每一条数据里的每一项，按照排序后的顺序插入FP-Tree，节点的计数为1，如果有共用的祖先，则共用祖先的节点计数+1。
  首先，插入第1条数据E：

  插入第2条数据ABC：

  插入第3条数据EABC：

  以此类推，所有数据都插入以后：

FP-Tree的挖掘过程

  FP-Tree的挖掘过程如下，从长度为1的频繁模式开始挖掘。可以分为3个步骤：
1. 构造它的条件模式基，条件模式基(CPB)就是我们要挖掘的Item的前缀路径
2. 然后构造它的条件FP-Tree
3. 递归的在条件FP Tree上进行挖掘

  调用FP-growth(Tree，null)开始进行挖掘。伪代码如下：

  从项头表的最下面一项（也就是C）开始，包含C的3个CPB分别是EAB、E、AB，其计数分别为2、1、2，可以表示为CPB{[EAB:2],[E:1],[AB:2]}。累加每个CPB上的Item计数，低于阈值的删除，得到条件FP Tree(Conditional FP-tree)。如CPB{[EAB:2],[E:1],[AB:2]}，得到E:3，A:4，B:4，E的计数小于阈值4，所以删除，得到C的条件FP Tree如下：

  对于上面的条件FP Tree，可知是单个路径，可以得到以下的频繁模式：[AC:4]、[BC:4]、[ABC:4]。