关联规则（三） FP-GROWTH

1. 简介：

作者：韩嘉炜。应该是中国人吧，鼓掌！
一种非常好的发现频繁项集算法。
基于Apriori算法构建,使用叫做 FP树 的数据结构结构来存储集合。在某种意义上来说，就是Aprori的优化算法。

2. 优缺点

优点：

• 速度更快,FP-growth 算法只需要对数据集遍历两次。
• 压缩数据，FP树将集合按照支持度降序排序。不同路径如果有相同前缀路径，则共用存储空间，这使得数据得到了压缩。
• 不需要生成候选集。

缺点：

• FP-Tree第二次遍历会存储很多中间过程的值，会占用很多内存。
• 构建FP-Tree是比较昂贵的。
• 只能用于找频繁项集，不能挖掘其中的规则。

3. 步骤

为了更好的解释原理，先用最最简单的方式，进行过程的说明。这里有一组数据：

Date = [['r', 'z', 'h', 'j', 'p'],
        ['z', 'y', 'x', 'w', 'v', 'u', 't', 's'],
        ['z'],
        ['r', 'x', 'n', 'o', 's'],
        ['y', 'r', 'x', 'z', 'q', 't', 'p'],
        ['y', 'z', 'x', 'e', 'q', 's', 't', 'm']]

第一步：支持度计数。就像这样{'z': 5, 'r': 3, 't': 3, 'x': 4, 'y': 3, 's': 3}然后进行首项降序排序。
第二步：构建FP-TREE。FP-TREE是一种树形数据结构，FP-GROWTH算法专用。按照降序，从z开始，构建如下类型的树。

     z   5
       r   1
       x   3
         t   3
           y   2
             s   2
           r   1
             y   1
     x   1
       r   1
         s   1

第三步：在树中挖掘频繁项集。

4. FP树的节点结构

这里是用python3定义的树的节点。

class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue     # 节点名称
        self.count = numOccur     # 节点出现次数
        self.nodeLink = None      # 不同项集的相同项通过nodeLink连接在一起
        self.parent = parentNode  # 指向父节点
        self.children = {
   
   }        # 存储叶子节点

5. 具体的原理和步骤：

步骤1
1:遍历所有的数据集合，计算所有项的支持度。
2.丢弃非频繁的项。基于 支持度 降序排序所有的项。
3. 所有数据集合按照得到的顺序重新整理。重新整理完成后，丢弃每个集合末尾非频繁的项。

步骤2
读取每个集合插入FP树中，同时用一个头部链表数据结构维护不同集合的相同项。最终得到上面这样一棵FP树 。

步骤3
在频繁树中，挖掘出类似如下的频繁项集。
中间过程很细节，等找到合适的画图软件，再写个详细的版本。

[{
   
   'r'}, {
   
   't'}, {
   
   'z', 't'}, {
   
   'x', 't'}, {
   
   'z', 'x', 't'}, {
   
   'y'}, {
   
   'z', 'y'}, 
{
   
   'y', 'x'}, {
   
   'z', 'y', 'x'}, {
   
   'y', 't'}, {
   
   'z', 'y', 't'}, {
   
   's'}, {
   
   'x', 's'},
 {
   
   'x'}, {