关联规则挖掘算法-FP-tree算法

FP-tree两个主要步骤：
1. 利用事务数据库中的数据构造FP-tree；
2. 从FP-tree中挖掘频繁模式。

具体过程：
1.扫描数据库一次，得到频繁1-项集。
2.把项按支持度递减排序。
3.再一次扫描数据库，建立FP-tree。

为了方便大家理解，下面附上一个简单的例子。

给出一个具体的事务数据库：

利用出现的次数计算频繁1-项目集。

重新调整事务数据库：（在这里是对于每一个Items进行调整，把支持度高的放在前面）

创建根结点和频繁项目表：

加入第一个事务（I2，I1，I5）：

加入第二个事务（I2，I4）,在I2冒号后面数字是其出现的次数，其他也是：

加入第三个事务（I2，I3），注意此时I2后面的数字为3：

加入第四个事务（I2，I1，I4）,I1后面加1变为2：

加入第五个事务（I1，I3）：

........依次加入所有的事务：

然后生成FP-tree，从支持度最小的I5开始看：

根据这个得到I5的：

条件模式基可以理解为，以I5为结点所有路径的情况，删除I3是因为I3达不到I5的最小支持度：

然后看I4：

然后考虑I3，I2后面的4是根据总的I2：7减去不是I3的分支数，即可得到：

最后考虑I1：

算法结束，频繁项集就得到了。

在实际项目中，可以通过增大最小支持度来减小树的复杂度。

FP-tree优点：
FP-tree 算法只需对事务数据库进行二次扫描。
避免产生的大量候选集。
FP-tree缺点：
要递归生成条件数据库和条件FP-tree，所以内存开销大只能用于挖掘单维的布尔关联规则。