常见面试之机器学习算法思想简单梳理

　　然后从频率最小的单项P开始，找出P的条件模式基，用构造FP_Tree同样的方法来构造P的条件模式基的FP_Tree，在这棵树上找出包含P的频繁项集。

　　依次从m,b,a,c,f的条件模式基上挖掘频繁项集，有些项需要递归的去挖掘，比较麻烦，比如m节点，具体的过程可以参考博客：Frequent Pattern 挖掘之二(FP Growth算法)，里面讲得很详细。

　　参考资料：

　　 Harrington, P. (2012). Machine Learning in Action, Manning Publications Co.

      最近邻算法（维基百科）

      马氏距离（维基百科）

　　 聚类（百度百科）

      https://www.coursera.org/course/ml

      SVD在推荐系统中的应用

      吴军 and 谷歌 (2012). 数学之美, 人民邮电出版社.

      2010龙星计划：机器学习 对应的视频教程：2010龙星计划机器学习视频教程

      GBDT（MART） 迭代决策树入门教程 | 简介

      Ng的cs229课程资料

      斯坦福大学公开课 ：机器学习课程

      Frequent Pattern 挖掘之二(FP Growth算法)