机器学习实战（十一）使用FP-growth算法来高效发现频繁项集

一、前言

      上次提到可以用Apriori算法来提取频繁项集，但是Apriori算法有个致命的缺点，那就是它对每个潜在的频繁项集都需要扫描数据集判定其是否频繁，因而在时间消耗上是巨大的。据说在实际应用上一般都不用Apriori算法。

      FP算法的核心就是将数据集存储在一个特定的称作FP树的结构当中。构建完FP树之后，就可以递归地在FP树上挖掘频繁项集。FP-growth算法只需要对数据集进行两次扫描（第一次扫描在建树时，第二次扫描在哪里？惭愧，真看不出在哪里。），且利用到了类似Trie树这种节省“空间”的结构，运行起来比Apriori算法快了不少，但fp-growth算法只能用来进行发现频繁集，不能挖掘关联规则。
fp-growth算法主要由两步：
1、构建fp树
2、利用fp树发现频繁集