第6章频繁模式挖掘.pptVIP

6.3 FP-growth 算法 Apriori 算法的优缺点 ? 优点 21 – 算法原理简单，抑郁理解。 ? 缺点： – 需要多次扫描数据集 ? 如果频繁项集最多包含 10 个项，需要扫描事务数据集 10 次，这需要很大的 I/O 负载 – 产生大量频繁项集 ? 如数据集有 100 项，可能产生的候选项个数为 1.27*10 30 6.3 FP-growth 算法 频繁模式增长 (frequent-pattern growth FP-Growth) ? 将提供频繁项集的数据库压缩到 FP- 22 树，但仍保持项集关联信息 ; ? 压缩后的数据库分成一组条件数据 库，每个数据库关联一个频繁项， 并分别挖掘每个条件数据库 ; Header Table Item frequency head f 4 c 4 a 3 b 3 m 3 p 3 {} f:4 c:1 c:3 b:1 b:1 a:3 m:2 b:1 p:2 m:1 p:1 6.3 FP-growth 算法 FP-growth 算法实现步骤 23 ①第一次扫描事务数据集 D ，确定每个 1 项集的支持度计数，将频繁 1 项集按照支持度计数降序排序， 得到排序后的频繁 1 项集集合 L 。 ②第二次扫描事务数据集 D ，读出每个事务并构建根结点为 null 的 FP-tree 。 i. 创建 FP-tree 的根结点，用 null 标记； ii. 将事务数据集 D 中的每个事务中的集，删除非频繁项，将频繁项按照 L 中的顺序重新排列事务中项的 顺序，并对每个事务创建一个分支； iii. 当为一个事务考虑增加分支时，沿共同前缀上的每个结点的计数加 1 ，为跟随前缀后的项创建结点 并连接； iv. 创建一个项头表，以方便遍历，每个项通过一个结点链指向它在树中的出现。 ③从 1 项集的频繁项集中支持度最低的项开始，从项头表的结点链头指针，沿循每个频繁项的链接来 遍历 FP-tree ，找出该频繁项的所有前缀路径，构造该频繁项的条件模式基，并计算这些条件模式基中 每一项的支持度； ④通过条件模式基构造条件 FP-tree ，删除其中支持度低于最小支持度阈值的部分，满足最小支持度阈 值的部分则是频繁项集； ⑤递归地挖掘每个条件 FP-tree ，直到找到 FP-tree 为空或者 FP-tree 只有一条路径，该路径上的所有项的 组合都是频繁项集。 6.3 FP-growth 算法 测试数据集 TID 1 2 3 4 5 6 7 8 9 Items 面包、可乐、麦片 牛奶、可乐 牛奶、面包、麦片 牛奶、可乐 面包、鸡蛋、麦片 牛奶、面包、可乐 牛奶、面包、鸡蛋、麦片 牛奶、面包、可乐 面包、可乐 24 例 6.8 FP-growth 算法 该数据集具有 9 个事务，设最小支持度为 2 ，频繁项集的极 大长度为 3 。试使用 FP-growth 算法挖掘表 6-2 的事务数据中 的频繁项集。 6.3 FP-growth 算法 null 25 面包： 7 项集 支持度计数 结点链头指针 面包 牛奶 可乐 麦片 鸡蛋 7 6 6 4 2 牛奶： 2 麦片： 1 可乐： 2 牛奶： 4 可乐： 2 鸡蛋： 1 麦片： 1 麦片： 2 可乐： 2 鸡蛋： 1 图 6-11 FP-tree 6.3 FP-growth 算法 NULL null 26 面包： 7 项集 面包 牛奶 可乐 麦片 鸡蛋 支持度记数 7 6 6 4 2 牛奶： 2 面包： 2 麦片： 1 可乐： 2 牛奶： 4 可乐： 2 麦片： 2 图 6-12 { 鸡蛋 } 的条件 FP-tree 鸡蛋： 1 麦片： 1 麦片： 2 可乐： 2 对于项集 { 鸡蛋 } ，开始向上找出所有 前缀路径，找出其中的频繁模式： { 面包，鸡蛋： 2} { 麦片，鸡蛋： 2} { 面包，麦片，鸡蛋： 2} 鸡蛋： 1 6.3 FP-growth 算法 NULL 27 面包： 7 项集 面包 牛奶 可乐 麦片 鸡蛋 支持度记数 7 6 6 4 2 牛奶： 2 麦片： 1 可乐： 2 牛奶： 4 可乐： 2 对于项集 { 麦片 } ，开始向上找出所有前 缀路径，找出其中的频繁模式： { 面包，麦片： 4} { 牛奶，麦片： 2} { 面包，牛奶，麦片： 2} 鸡蛋： 1 麦片： 1 麦片： 2 可乐： 2 鸡蛋： 1 6.