写在前面 笔者新人,查看了各个关于fp-tree的原理与实现后的一点小小的总结
本文参考链接:
添加链接描述
添加链接描述
思想概括
- 先将数据扫描得到c1
- 处理c1得到f1(修剪枝叶和apriori是一样的过程)
- 根据f1得到的支持度将数据中的每一项集的项进行项之间的重新排列(即为f)
- 之后对数据进行二次扫描(也是最后一次),将数据加入树中。
- 得到一棵树
- 对这棵树进行挖掘频繁模式
伪代码
挖掘频繁模式前首先要构造FP-Tree,算法伪码如下:
输入:一个交易数据库DB和一个最小支持度threshold.
输出:它的FP-tree.
步骤:
1.扫描数据库DB一遍.得到频繁项的集合F和每个频繁项的支持度.把F按支持度递降排序,结果记为L.
2.创建FP-tree的根节点,记为T,并且标记为’null’.然后对DB中的每个事务Trans做如下的步骤.
根据L中的顺序,选出并排序Trans中的事务项.把Trans中排好序的事务项列表记为[p|P],其中p是第一个元素,P是列表的剩余部分.调用insert_tree([p|P],T).
函数insert_tree([p|P],T)的运行如下.
如果T有一个子结点N,其中N.item-name=p.item-name,则将N的count域值增加1;否则,创建一个新节点N,使它的count为1,使它的父节点为T,并且使它的node_link和那些具有相同item_name域串起来.如果P非空,则递归调用insert_tree(P,N).
对FP-Tree进行挖掘,算法如下:
输入:一棵用算法一建立的树Tree
输出:所有的频繁集
步骤:
调用FP-growth(Tree,null).
procedure FP-Growth ( Tree, x)
{
(1)if (Tree只包含单路径P) then
(2) 对路径P中节点的每个组合(记为B)
(3) 生成模式B并x,支持数=B中所有节点的最小支持度
(4) else 对Tree头上的每个ai,do
{
(5) 生成模式B= ai 并 x,支持度=ai.support;
(6) 构造B的条件模式库和B的条件FP树TreeB;
(7)if TreeB != 空集
(8)**then **call FP-Growth ( TreeB , B )
}
}
代码实现(python)具体过程见链接1
import re
import collections
import itertools
data = []
data = [['a','b','c','d','e','f','g','h'],['a','f','g'],['b','d','e','f','j'],['a','b','d','i','k'],['a','b','e','g'],['g','b']]
#print(data)
data = data
support = 3
#统计item的频率
#CountItem = collections.defaultdict(int)用法和list差不太多
CountItem = collections.defaultdict