数据挖掘笔记(9)-FPGrowth算法

参考博客：https://www.cnblogs.com/pinard/p/6307064.html

一、FP树的建立

(1)建立项头表
扫描事务数据集一遍，记录每个项出现的次数，根据给定的最小支持度计数或者最小支持度筛选得到频繁1项集及它们的支持度计数，按照它们的支持度计数从大到小排序得到项头表。
如：
事务数据集(每行为一个事务)：

在给定最小支持度计数为2得到项头表如下：

(2)过滤并排序事务数据集
因为原始的事务数据集中的事务可能包含频繁1项集中没有的项，所以对于每个事务要把非频繁1项集中的项过滤掉，同时为了方便FP树的建立我们需要把每个事务中的项(过滤后)按照其支持度大小排序，得到新事务数据集。
新事物数据集(右侧)如下：

注释：
图中的右侧为过滤排序后的新事务数据集。
过滤排序：将左侧的事务数据集中的每一个事务(每一行)删除项头表中没有的项，并且剩下项按照项头表中每一项的支持度计数从大到小排序。

(3)构建FP树
①FP树的根节点默认为null
②将新事务数据集中的每个事务变成FP树中的一条路径，并统计每个项出现的次数
③对于后插入的路事务先从树的根节点开始找与其相同的部分，从第一个不重合的项开始建立一个新的分支。
FP树中插入第1个事务：

FP树中插入第2个事务：

FP树中插入第3个事务：

FP树中插入第4个事务：

FP树中插入第5个事务：

FP树中插入第6个事务：

FP树中插入第7个事务：

FP树中插入第8个事务：

FP树中插入第9个事务：

FP树中插入第10个事务：

二、FP树的挖掘

通过建立的FP树，从项头表的最后一项从下到上开始挖掘频繁项集。
挖掘步骤：
从项头表的最后一项从下到上开始，如当前项为i
①得到以 i 结尾的所有路径的前缀路径，前缀路径是指每个路径删掉该项后的路径。通常前缀路径的最后一项是一个数字，用来记录该路径出现的次数，该数字以项 i 的计数为准。
如：项F的前缀路径为(A,C,E,B,2)，由以项F结尾的路径(A,C,E,B,F)删掉F得到，并且项F的计数为2，所以(A,C,E,B,F)路径出现的次数为2。
②根据项 i 的所有前缀路径得到条件模式基，条件模式基是将项 i 的所有前缀路径根据计数合并，过滤掉小于最小支持度的项。
如：项D的前缀路径为(A,C,E,G,1)，(A,C,1)，根据D的前缀路径最后的计数很容得到前缀路径中每一项出现的次数(A:1,C:1,E:1,G:1)，(A:1,C:1)，然后将所有的前缀路径合并得到(A:2,C:2,E:1,G:1)因为E和G的计数小于最小支持度计数2，所以将其过滤得到最终的条件模式基(A:2,C:2)
③根据项 i 的条件模式基画出项 i 的条件FP树。
如项D的条件FP树为：

④根据项 i 的条件FP树得到项 i 的频繁项集。从左到右遍历项 i 的条件FP树的每一条路径，用路径中的每单个节点和项 i 组合得到项 i 的频繁2项集，用路径中每2个节点与项 i 组合得到频繁3项集，以此类推用路径中的每k个节点与项 i 组合得到项 i 的频繁k+1项集。
如项D的频繁项集为：
频繁2项集：(A,D,2),(C,D,2)
频繁3项集：(A,C,D,2)

例子：
(继续上文中的例子)

1. 挖掘项F的频繁项集
   F的前缀路径：(A,C,E,B,2)
   F的条件模式基：(A:2,C:2,E:2,B:2)
   F的条件FP树：
   
   F的频繁项集：
   频繁2项集为(A,F,2),(C,F,2),(E,F,2),(B,F,2)
   频繁3项集为(A,C,F,2),(A,E,F,2),(A,B,F,2),(C,E,F,2),(C,B,F,2),(E,B,F,2)
   频繁4项集为(A,C,E,B,F,2)
2. 挖掘项D的频繁项集
   D的前缀路径：(A,C,E,G,1),(A,C,1)
   D的条件模式基：(A:2,C:2,E:1,G:1)过滤掉E和G为(A:2,C:2)
   D的条件FP树：
   
   D的频繁项集：
   频繁2项集为(A,D,2),(C,D,2)
   频繁3项集为(A,C,D,2)
3. 挖掘项B的频繁项集
   B的前缀路径：(A,C,E,2)
   B的条件模式基：(A:2,C:2,E:2)
   B的条件FP树：
   
   B的频繁项集：
   频繁2项集为(A,B,2),(C,B,2),(E,B,2)
   频繁3项集为(A,C,B,2),(A,E,B,2),(C,E,B,2)
   频繁4项集为(A,C,E,B,2)
4. 挖掘项G的频繁项集
   G的前缀路径：(A,C,E,4),(A,C,1)
   G的条件模式基：(A,:5,C:5,E:4)
   G的条件FP树：
   
   G的频繁项集：
   G的频繁2项集为(A,G,5),(C,G,5),(E,G,4)
   G的频繁3项集为(A,C,G,5),(A,E,G,4),(C,E,G,4)
   G的频繁4项集为(A,C,E,G,4)
5. 挖掘项E的频繁项集
   E的前缀路径：(A,C,6)
   E的条件模式基：(A:6,C:6)
   E的条件FP树：
   
   E的频繁项集：
   E的频繁2项集为(A,E,6),(C,E,6)
   E的频繁3项集为(A,C,E,6)
6. 挖掘项C的频繁项集
   C的前缀路径：(A,8)
   C的条件模式基：(A:8)
   C的条件FP树：
   
   C的频繁项集：
   C的频繁2项集为(A,C,8)
7. 挖掘项A的频繁项集
   A的前缀路径：无
   A的条件模式基：无
   A的条件FP树：无
   A的频繁项集：无