【算法篇】关联性分析 FP-Growth算法

一、FP-growth 概述

FP-Growth（Frequent Pattern Growth，频繁模式增长）算法是一种高效的数据挖掘算法，主要用于解决频繁项集挖掘和关联规则发现的问题。

与传统的Apriori算法相比，FP-Growth算法通过构建一种称为FP-Tree（频繁模式树）的数据结构，极大地减少了搜索空间，提高了挖掘效率。

FP-Growth算法不仅适用于处理大规模数据集，还能有效应对数据稀疏性问题，因此在电子商务、社交网络分析、金融风控等多个领域有着广泛的应用。

	FP-Growth算法	Apriori算法
提出时间	2000年	1993年
基本思想	基于频繁模式树（FP-Tree）挖掘频繁项集	基于候选集生成和向下封闭检测挖掘频繁项集
数据结构	FP-Tree（频繁模式树）	无特定数据结构，使用集合和列表
扫描数据库次数	两次	多次（随频繁项集长度的增加而增加）
效率	较高，特别是对于大规模数据集