FP-growth--频繁模式树

介绍

FP-growth(Frequent Pattern Tree, 频繁模式树), 是韩家炜提出的挖掘频繁项集的方法，是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集或频繁项对，即常在一块出现的元素项的集合 FP 树。FP-growth 算法比 Apriori 算法效率更高，在整个算法执行过程中，只需遍历数据集 2 次，就能够完成频繁模式发现，其发现频繁项集的基本过程如下：（1）构建 FP树（2）从 FP 树中挖掘频繁项集
FP-growth 的一般流程如下：1：先扫描一遍数据集，得到频繁项为 1 的项目集，定义最小支持度（项目出现最少次数），删除那些小于最小支持度的项目，然后将原始数据集中的条目按项目集中降序进行排列。2：第二次扫描，创建项头表（从上往下降序），以及 FP 树。3：对于每个项目（可以按照从下往上的顺序）找到其条件模式基（CPB，conditional patten base）, 递归调用树结构，删除小于最小支持度的项。如果最终呈现单一路径的树结构，则直接列举所有组合；非单一路径的则继续调用树结构，直到形成单一路径即可。

内容

构造FP树

Tid	Items
1	I1, I2, I5
2	I2, I4
3	I2, I3
4	I1, I2, I4
5	I1, I3
6	I2, I3
7	I1, I3
8	I1, I2, I3, I5
9	I1, I2, I3

扫描数据集，对每个物品进行计数：

项集	支持度
I2	7
I1	6
I3	6
I4	2
I5	2

设最小支持度计数为2
扫描数据库，统计支持度计数，得到频繁1-项集，按支持度降序排列

Tid	Items
1	I2,I1,I5
2	I2, I4
3	I2, I3
4	I2,I1,I4
5	I1, I3
6	I2, I3
7	I1, I3
8	I2,I1,I3,I5
9	I2,I1, I3

挖掘FP树

得到了FP树和项头表以及节点链表，我们首先要从项头表的底部项依次向上挖掘。对于项头表对应于FP树的每一项，我们要找到它的条件模式基。所谓条件模式基是以我们要挖掘的节点作为叶子节点所对应的FP子树。得到这个FP子树，我们将子树中每个节点的的计数设置为叶子节点的计数，并删除计数低于支持度的节点。从这个条件模式基，我们就可以递归挖掘得到频繁项集了
从$I_5$开始，对于头表中的每个$I_i$，确定自身为频繁模式，再挖掘以$I_i$为后缀的频繁模式
将所有的祖先节点计数设置为叶子节点的计数
前缀路径/条件模式基：
$<I2,I1:1>、<I2,I1,I3:1>$
频繁模式：
{ I 2 , I 5 : 2 } \{I2,I5:2\} {I2,I5:2} ( { I 2 , I 5 : 2 } \{I2,I5:2\} {I2,I5:2}(2的含义指的是$I_2，I_5$都是2)
{ I 1 , I 5 : 2 } \{I1,I5:2\} {I1,I5:2}
{ I 2 , I 1 , I 5 : 2 } \{I2,I1,I5:2\} {I2,I1,I5:2}
提取以I4的前缀路径/条件模式基：
<I2,I1:1>、<I2: 1> (I1被砍掉了)
I4为后缀的频繁模式: { I 2 , I 4 : 2 } \{I2,I4:2\} {I2,I4:2}
提取以I3为后缀的频繁模式
有两分支，则：
对于条件FP树头表中的每个Ii，与I3连接确定频繁模式$Ii,I_3$，支持度等于Ii的支持度。
递归挖掘条件FP树，提取以$I_i,I_3$为后缀的频繁模式
频繁模式：
{ I 1 , I 3 : 4 } \{I1,I3:4\} {I1,I3:4}
{ I 2 , I 3 : 4 } \{I2,I3:4\} {I2,I3:4}
{ I 2 , I 1 , I 3 : 2 } \{I2,I1,I3:2\} {I2,I1,I3:2}
以$I_1$为后缀
{ I 2 I 1 : 4 } \{I2 I1:4\} {I2I1:4}
$I_2$只有前缀，没有后缀

项	条件模式基	条件FP树	产生的频繁模式
I5	{I2 I1:1}, {I2 I1 I3:1}	<I2:2, I1:2>	{I2 I5:2}, {I1 I5:2}, {I2 I1 I5:2}
I4	{I2 I1:1}, {I2:1}	<I2: 2>	{I2 I4:2}
I3	{I2 I1:2}, {I2:2}, {I1:2}	<I2: 4, I1: 2>, <I1: 2>	{I2 I3:4}, {I1 I3:4}, {I2 I1 I3:2}
I1	{I2:4}	<I2: 4>	{I2 I1:4}