机器学习实战-第12章使用FP-growth算法来高效发现频繁项集

FP-growth算法：
能够更有效地挖掘数据，这种算法虽然能更为高效地发现频繁项集，但是不能用于发现关联规则。只需要对数据库进行两次扫描，比Apriori算法更快

FP树类定义：

class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue #节点名字
        self.count = numOccur #计数值
        self.nodeLink = None #用于链接相似的元素项
        self.parent = parentNode #指向当前节点的父节点
        self.chidren = {} #存放节点的子节点
    
    #对count变量增加给定值
    def inc(self, numOcuur):
        self.count += numOcuur
    
    #用于将树以文本形式显示
    def disp(self,ind=1):
        print(''*ind,self.name,'', self.count)
        for child in self.chidren.values():
            child.disp(ind+1)

FP树构建函数：

class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue
        self.count = numOccur
        self.nodeLink = None
        self.parent = parentNode
        self.chidren = {}

    def inc(self, numOcuur):
        self.count += numOcuur

    def disp(self,ind=1):
        print('  '*ind,self.name,' ', self.count)
        for child in self.chidren.values():
            child.disp(ind+1)


#dataSet数据集,minSup最小支持度
def createTree(dataSet, minSup=1):
    headerTable = {} #建立头节点表
    for trans in dataSet:
        for item in trans:
            headerTable[item] = headerTable.get(item,0) + dataSet[trans] #统计每个元素出现的频度

    for k in list(headerTable.keys()):
        if headerTable[k] < minSup:
            del(headerTable[k]) #删掉出现次数少于minSup的项
    freqItemSet = set(headerTable.keys()) #创建只包含空集合的根节点
    #如果所有的项都不频繁就不需要就行下一步处理
    if len(freqItemSet) == 0:
        return None,None
    for k in headerTable:
        headerTable[k] = [headerTable[k], None] #扩展头指针表保存计数值及指向每种类型第一个元素项的指针
    retTree = treeNode('Null set', 1, None)#创建只包含空集合的根节点
    for tranSet, count in dataSet.items():
        localD = {}
        for item in tranSet:
            #只考虑频繁项集
            if item in freqItemSet:
                localD[item] = headerTable[item][0] #创建路径
        #如果路径已经存在，就排序后再加入
        if len(localD) > 0 :
            orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p:p[1], reverse=True)] #排序
            updateTree(orderedItems, retTree, headerTable, count)
    return retTree, headerTable

def updateTree(items, inTree, headerTable, count):
    #测试事务中第一个元素项是否作为子节点存在
    if items[0] in inTree.chidren:
        inTree.chidren[items[0]].inc(count) #更新该元素项的计数
    else:
        #如果不存在，则创建一个新的treeNode并将其作为一个子节点添加到树中
        inTree.chidren[items[0]] = treeNode(items[0], count, inTree)
        #如果头指针表的节点为叶节点
        if headerTable[items[0]][1] == None:
            headerTable[items[0]][1] = inTree.chidren[items[0]]#叶子节点的子节点为None
        else:
            updateHeader(headerTable[items[0]][1], inTree.chidren[items[0]])#链接头节点表和子节点

    if len(items) > 1:
        updateTree(items[1::], inTree.chidren[items[0]], headerTable, count)#迭代调用，[1::]每次调用去掉列表的第一个元素


#确保节点链接指向树中该元素项的每一个实例
def updateHeader(nodeToTest, targetNode):
    while(nodeToTest.nodeLink != None):
        nodeToTest = nodeToTest.nodeLink
    nodeToTest.nodeLink = targetNode


def loadSimpDat():
    simpDat = [['r', 'z', 'h', 'j', 'p'],
               ['z', 'y', 'x', 'w', 'v', 'u', 't', 's'],
               ['z'],
               ['r', 'x', 'n', 'o', 's'],
               ['y', 'r', 'x', 'z', 'q', 't', 'p'],
               ['y', 'z', 'x', 'e', 'q', 's', 't', 'm']]
    return simpDat

def createInitSet(dataSet):
    retDict = {}
    for trans in dataSet:
        retDict[frozenset(trans)] = 1
    return retDict

if __name__ == '__main__':
    simpDat = loadSimpDat()
    initSet = createInitSet(simpDat)
    print(initSet)
    myFPtree, myHeaderTab = createTree(initSet, 3)
    myFPtree.disp()

结果如下：与书上不同

从一棵FP树中挖掘频繁项集：
发现以给定元素项结尾的所有路径的函数：

#迭代上溯整棵树
def ascendTree(leafNode, prefixPath):
    if leafNode.parent != None:
        prefixPath.append(leafNode.name)
        ascendTree(leafNode.parent, prefixPath)

#每遇到一个元素项都会调用ascendTree()来上溯FP树，并收集所有遇到的元素项的名称
def findPrefixPath(basePat, treeNode):
    condPats = {}
    while treeNode != None:
        prefixPath = []
        ascendTree(treeNode, prefixPath)
        if len(prefixPath) > 1:
            condPats[frozenset(prefixPath[1:])] = treeNode.count #去掉自己
    return condPats

递归查找频繁项集的mineTree函数：

def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
    bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p:p[1])] #对头指针表中的元素项按照其出现的频率进行排序（默认从小到大）
    for basePat in bigL:
        newFreqSet = preFix.copy()
        newFreqSet.add(basePat)
        freqItemList.append(newFreqSet)#将每一个频繁项添加到频繁项集列表freqItemList
        condPattBases = findPrefixPath(basePat, headerTable(basePat)[1])#找路径
        myCondTree, myHead = createTree(condPattBases, minSup)#创建树
        #树中有元素项
        if myHead != None:
            mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)#递归调用mineTree()

运行了很久不出结果！