数据挖掘-项集挖掘-apriori算法和fp-growth算法（论文核心思想）

如何寻找频繁模式呢？（apriori和fp-growth算法对应的两篇论文的最核心思路总结）

       1.最原始的方法：各个项进行排列组合，即找出所有的候选集，然后再一一判断这些候选集是否是频繁项集。

       2.apriori算法：1）核心思想就是集合的超集的支持度一定小于或者集合本身的支持度。

                                2）候选集的产生过程的一个技巧：例如两个频繁k-项集（按字典顺序排好的）去组合产生一个（k+1）-项。                                    

                                      集的候选集---->保证两个k-项集的钱k-1的元素相等，只有最后一个元素不同。 

                               3）生成(k+1)-项候选集之后，算法会有一个初步的筛选过程，先判断（k+1）项集的所有真子集（从1-项集到

                                      k-项集之间所有的）是否出现过--->其实就是上面1）的核心思想的实际运用。

    3.fp-growth算法：

                      1）构造紧凑的fp树这个数据结构进行数据的存储，树的构造也是有原则的，降序排列，最不频繁的作为后缀。（并不总是最优的即节点并不总是最少）。（只需要扫描两次数据库）

                      2）模式挖掘，利用模式片段生长方法，避免了大量的候选集的产生

                     3）结合条件模式基采用递归，根据实际分为单路径，多路径等技巧