6、关联规则挖掘：从基础到创新

关联规则挖掘：从基础到创新

在数据挖掘领域，关联规则挖掘一直是一个备受关注的研究方向。它能够帮助我们发现数据中隐藏的关系，为决策提供有力支持。下面将详细介绍关联规则挖掘的相关技术和方法。

1. FP - 树模型

传统的频繁模式挖掘通常采用类似 Apriori 的候选集生成 - 测试方法。然而，这种方法在处理大量模式和长模式时，候选集生成的成本很高。为了克服这一困难，提出了基于频繁模式树（FP - 树）的频繁模式挖掘模型。

1.1 FP - 树的定义

FP - 树是一种树结构，其组成如下：
- 一个标记为 “null” 的根节点。
- 一组作为根节点子节点的项前缀子树。
- 一个频繁项头表。

项前缀子树中的每个节点包含三个字段：
| 字段 | 说明 |
| ---- | ---- |
| 项名称 | 记录该节点代表的项 |
| 计数 | 记录到达该节点的路径所代表的事务数量 |
| 节点链接 | 链接到 FP - 树中具有相同项名称的下一个节点，如果没有则为 null |

频繁项头表中的每个条目包含两个字段：
| 字段 | 说明 |
| ---- | ---- |
| 项名称 | |
| 节点链接头 | 指向 FP - 树中携带该项名称的第一个节点 |

1.2 FP - 树模型的处理过程

• 构建 FP - 树 ：这是一个扩展的前缀树结构，存储频繁模式的关键定量信息。只有频繁的长度为 1 的项在树中有节点，并且