理解机器学习实战 --- FP-Growth算法高效发现频繁项集

FP-growth算法介绍：

• 一种非常好的发现频繁项集的算法

• 基于Apriori算法构建，但是数据结构不同，使用叫做FP树的数据结构来存储集合。

 

FP-grouw算法原理：

    基于数据集构造FP树

• 支持度：某一项类别出现的次数，可以理解为出现的频率。

• 非频繁项：某一项出现的次数小于一定次数，我们称之为非频繁项集。

 

步骤一：

1.遍历所有的数据集合，计算所有项的支持度。

2.丢弃非频繁项。

3.基于支持度降序排序所有的项。

4.所有的数据集合按照3得到的顺序重新整理

5.重新整理后，丢弃每个集合末尾非频现的项

 

步骤二：

6.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相同的项，对于不同的项做一个索引。

 

步骤三：

条件模式基：头部链表中的某一点的前缀路径组合就是条件模式基，条件模式基的值取决于末尾节点的值。

1.对头部链表进行降序排序

2.对头部链表进行从小到遍历，得到条件模式基，同时获得一个频繁项集。

 

条件FP树：以条件模式基作为数据集构造的FP树叫做条件FP树。

3.条件模式基继续构造条件FP树，得到的频繁项集，和之前的频繁项组合起来，这是