FP-growth算法
来源:互联网 发布:淘宝助理如何创建宝贝 编辑:程序博客网 时间:2024/05/21 06:22
- 总述
- 算法步骤
- 简单例子
- Step1推导频繁项目
- Step2构建FP-Tree
- 简单例子
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
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)
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)
没写完,后面图片较多,以后再更新
阅读全文
0 0
- FP-growth 算法
- FP Growth算法详解
- FP Growth算法
- FP-Growth算法简介
- fp-growth算法
- FP-Growth算法
- FP Growth算法
- FP Growth算法
- FP-growth算法
- FP-Growth算法介绍
- FP-Growth算法
- FP-Growth算法
- FP-Growth算法
- FP-growth算法流程
- FP-growth算法
- FP-Growth算法介绍
- FP-growth算法
- FP-growth算法
- redis spring入门级别的CUBD
- Python 快速入门
- hdu5950 Recursive sequence(矩阵快速幂:模板类题目,矩阵快速幂的扩展与学习,复习必看题目)
- post数据获取
- Element-ui Theme浅析
- FP-growth算法
- redis常见的几种使用场景
- java入门--数组(一维数组和二维数组)
- web.xml中load-on-startup的作用
- 请求下来的版本信息ios
- python网络爬虫文档读取-微软Word文档和.docx
- 学HTML历史
- 中奖概率
- SIM卡相关的操作