Python基礎原理：FP-growth演算法的構建

和Apriori演算法相比，FP-growth演算法只需要對資料庫進行兩次遍歷，從而高效發現頻繁項集。對於搜尋引擎公司而言，他們需要通過檢視網際網路上的用詞，來找出經常在一塊出現的詞。因此就需要能夠高效的發現頻繁項集的方法，FP-growth演算法就可以完成此重任。


FP-growth演算法是基於Apriori原理的，通過將資料集儲存在FP（Frequent Pattern)樹上發現頻繁項集。
FP-growth演算法只需要對資料庫進行兩次掃描，而Apriori演算法在求每個潛在的頻繁項集時都需要掃描一次資料集，所以說FP-growth演算法是高效的。


FP演算法發現頻繁項集的過程是：
(1)構建FP樹；
(2)從FP樹中挖掘頻繁項集
FP表示的是頻繁模式，其通過連結來連線相似元素，被連起來的元素可看成是一個連結串列
將事務資料表中的各個事務對應的資料項，按照支援度排序後，把每個事務中的資料項按降序依次插入到一棵以 NULL為根節點的樹中，同時在每個結點處記錄該結點出現的支援度。


假設存在的一個事務資料樣例為,構建FP樹的步驟如下：

結合Apriori演算法中最小支援度的閾值，在此將最小支援度定義為3，結合上表中的資料，那些不滿足最小支援度要求的將不會出現在最後的FP樹中。


據此構建FP樹，並採用一個頭指標表來指向給定型別的第一個例項，快速訪問FP樹中的所有元素，構建的帶頭指標的FP樹如圖：



結合繪製的帶頭指標表的FP樹，對錶中資料進行過濾，排序如下：



在對資料項過濾排序了之後，就可以構建FP樹了，從NULL開始，向其中不斷新增過濾排序後的頻繁項集。過程可表示為：



這樣，FP樹對應的資料結構就建好了，現在就可以構建FP樹了，FP樹的構建函式參見Python原始碼。


在執行上例之前還需要一個真正的資料集，結合之前的資料自定義資料集。這樣就構建了FP樹，接下來就是使用它來進行頻繁項集的挖掘。