FP-growth算法

总述

• 扫描数据库一次，将所有基本信息存储在称为FP-tree（Frequent Pattern Tree）的数据结构中
• FP-Tree简洁并且常被用于直接生成大数据集
• 一旦构建了一个FP-tree，它就使用递归的分治方法（recursive divide-and-conquer approach ）来挖掘频繁项集

---

算法步骤

Step1.
推导排序好的频繁项目。对于频率相同的项目，按照字母顺序排列。
Step2.
根据上述数据构建FP-Tree
Step3.
根据上述FP-Tree，为每一个项目（或项目集）构建FP-条件树（FT-conditional tree）
Step4.
确定频繁模式

简单例子

TID Items 1 A,B 2 B,C,D 3 A,C,D,E 4 A,D,E 5 A,B,C

问题：找到所有支持度大等于2的频繁项目集

Step1（推导频繁项目）

Item Frequency A 4 B 3 C 3 D 3 E 2

最小支持度min_sup(Threshold)=2
排序后的列表与原表相同，不再重复

Step2（构建FP-Tree）

Item Head of node-link A 4 B 3 C 3 D 3 E 2

没写完，后面图片较多，以后再更新