FP-growth:从FP树中挖掘频繁项集

前言

若想具体理解FP-growth，请参阅这位大神的作品：
https://www.cnblogs.com/pinard/p/6307064.html
本文的前一节《FP-growth：构建FP树》请点击：
https://blog.csdn.net/weixin_43901558/article/details/104320588

现在，我们已经有了这样一棵FP树，和头指针表：

显而易见，我们已经找到了6个单元素项的频繁项（即头指针表中的六个元素）。接下来我们要做的是：以此为基础，构建多元素项的频繁项。

抽取条件模式基

其实，我觉得看书学习不太好的一点是，前面所学的概念，往往是在读到后面才知道他到底有什么作用。所以在学习过程中总是会一头雾水，只有在学完之后才会恍然大悟——那个地方原来是这么回事！
所以我想先把整个过程用大白话解释一遍，然后再讲具体流程。

现在，我们已经有了单元素项的频繁项，那我们怎么找双元素项的呢？
我的理解是：
以现在的FP树为基础，针对每个频繁的单元素项Ai，构建一个属于该元素的FP子树Bi。（想想为什么不用考虑FP树外的元素？）
我们也知道，FP树就是用来找频繁项的，那么Ai的FP子树的头节点表中都是相对Ai频繁的单元素项。Ai与这些单元素项的集合，不就是频繁的双元素项了吗？
那么怎么找三元素项呢？自然是构建双元素项的FP子树，再与该子树中的头节点表结合。以此类推，就会找到所有的多元素项。

那问题来了，怎么构建FP子树呢？这就要用到这里讲的条件模式基。
一个元素的条件模式基，就是指该元素的所有前缀路径的集合。
直接上例子吧，通过上图的FP树构造：

每一条前缀路径都与一个计数值关联，该数值等于起始元素项的计数值（比对着原FP树画一画？）

---

或许你会问了，FP子树和条件模式基又有什么关系呢？
在上一篇博客《FP-growth：构建FP树中》建树方法createTree一共有两个参数，一个是数据集，一个是最小支持度。而一个元素的条件模式基，就是该元素对应子树的数据集。

---

那怎么求得条件模式基呢？大致思想是：原FP树中的头节点表包含着该元素在树中第一次出现的结点指针，同时，结点的linknode属性中存储着下一个同元素结点的指针。一旦到达了每一个元素项，就可以上溯这棵树直到根结点为止。
代码如下：

# 上溯树，直到根节点
def ascendTree(leafNode, prefixPath):              
    if leafNode.parent is not None:
        prefixPath.append(leafNode.parent, prefixPath)
        ascendTree(leafNode.parent, prefixPath)


def findPrefixPath(basePat, treeNode):
    condPats = {
   }
    while treeNode is not None:
        prefixPath = []
        ascendTree(treeNode, prefixPath)
        if len(prefixPath) > 1:
            condPats[frozenset(prefixPath[1:])] = treeNode.count
        # 找到该元素在树中的下一个节点
        treeNode = treeNode.nodelink           
    return condPats

创建条件FP树

这里说的条件FP树也就是上文说的FP子树
对于每一个频繁项，都要创建一颗条件FP树（数据集为该频繁项的条件模式基），然后我们会递归地发现频繁项，再发现这些频繁项的条件模式基，再建立条件FP树…举个例子，为单元素频繁项t创建条件FP树，找到二元素频繁项{t,y}，{t,x}…再以这些二元素频繁项创建条件FP树，得到三元素频繁项
{t,x,y}…重复该过程，直到条件FP树中没有元素为止。
注意：对于一个频繁项A的条件FP树中的频繁项a，a的频繁不是指a的存在是否频繁，而是a相对A是否频繁
代码如下：

def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
    # 从头指针表的底端开始
    bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p:p[1][0])]
    for basePat in bigL:
        newFreqSet = preFix.copy()
        # 头节点表中的元素add进原频繁项中
        newFreqSet.add(basePat)
        # 把更新后的频繁项添加到频繁项集freqItemList中
        freqItemList.append(newFreqSet)
        condPattBases = findPrefixPath(basePat, headerTable[basePat][1])
        # 构建FP子树
        myCondTree, myHead = createTree