From 51bc27e6265eeb82309e59cc691bd0a4532cc76f Mon Sep 17 00:00:00 2001 From: wangyangting Date: Sun, 24 Sep 2017 20:17:39 +0800 Subject: [PATCH 1/2] =?UTF-8?q?=E4=BF=AE=E6=94=B9=20FP-growth=20=E7=AE=97?= =?UTF-8?q?=E6=B3=95=E6=96=87=E6=A1=A3=E4=B8=AD=E7=9A=84=20FD=20=E4=B8=BA?= =?UTF-8?q?=20FP?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../12.使用FP-growth算法来高效发现频繁项集.md | 28 +++++++++---------- 1 file changed, 14 insertions(+), 14 deletions(-) diff --git a/docs/12.使用FP-growth算法来高效发现频繁项集.md b/docs/12.使用FP-growth算法来高效发现频繁项集.md index ac949ee8..bb293f99 100644 --- a/docs/12.使用FP-growth算法来高效发现频繁项集.md +++ b/docs/12.使用FP-growth算法来高效发现频繁项集.md @@ -1,7 +1,7 @@ # 第12章 使用FP-growth算法来高效发现频繁项集 -![](../images/12.Fd-growth/apachecn_fd_growth_homepage.png) +![](../images/12.FP-growth/apachecn_FP_growth_homepage.png) ### 第11章 我们已经介绍了用Apriori算法发现频繁项集与关联规则，本章将继续关注发现频繁项集这一任务，并使用FP-growth算法更有效的挖掘频繁项集。 @@ -35,16 +35,16 @@ class treeNode: 1. 遍历所有的数据集合，计算所有项的支持度。 2. 丢弃非频繁的项。 3. 基于 支持度 降序排序所有的项。 - ![](../images/12.Fd-growth/步骤1-3.png) + ![](../images/12.FP-growth/步骤1-3.png) 4. 所有数据集合按照得到的顺序重新整理。 5. 重新整理完成后，丢弃每个集合末尾非频繁的项。 - ![](../images/12.Fd-growth/步骤4-5.png) + ![](../images/12.FP-growth/步骤4-5.png) 步骤2: 6. 读取每个集合插入FP树中，同时用一个头部链表数据结构维护不同集合的相同项。 - ![](../images/12.Fd-growth/步骤6-1.png) - 最终得到下面这样一棵FD树 - ![](../images/12.Fd-growth/步骤6-2.png) + ![](../images/12.FP-growth/步骤6-1.png) + 最终得到下面这样一棵FP树 + ![](../images/12.FP-growth/步骤6-2.png) 从FP树中挖掘出频繁项集 @@ -52,17 +52,17 @@ class treeNode: 步骤3: 1. 对头部链表进行降序排序 2. 对头部链表节点从小到大遍历，得到条件模式基，同时获得一个频繁项集。 - ![](../images/12.Fd-growth/步骤6-2.png) + ![](../images/12.FP-growth/步骤6-2.png) 如上图，从头部链表 t 节点开始遍历，t 节点加入到频繁项集。找到以 t 节点为结尾的路径如下: - ![](../images/12.Fd-growth/步骤7-1.png) - 去掉FD树中的t节点，得到条件模式基<左边路径,左边是值>[z,x,y,s,t]:2，[z,x,y,r,t]:1 。条件模式基的值取决于末尾节点 t ，因为 t 的出现次数最小，一个频繁项集的支持度由支持度最小的项决定。所以 t 节点的条件模式基的值可以理解为对于以 t 节点为末尾的前缀路径出现次数。 + ![](../images/12.FP-growth/步骤7-1.png) + 去掉FP树中的t节点，得到条件模式基<左边路径,左边是值>[z,x,y,s,t]:2，[z,x,y,r,t]:1 。条件模式基的值取决于末尾节点 t ，因为 t 的出现次数最小，一个频繁项集的支持度由支持度最小的项决定。所以 t 节点的条件模式基的值可以理解为对于以 t 节点为末尾的前缀路径出现次数。 - 3. 条件模式基继续构造条件 FD树， 得到频繁项集，和之前的频繁项组合起来，这是一个递归遍历头部链表生成FD树的过程，递归截止条件是生成的FD树的头部链表为空。 - 根据步骤 2 得到的条件模式基 [z,x,y,s,t]:2，[z,x,y,r,t]:1 作为数据集继续构造出一棵FD树，计算支持度，去除非频繁项，集合按照支持度降序排序，重复上面构造FD树的步骤。最后得到下面 t-条件FD树 : - ![](../images/12.Fd-growth/步骤7-2.png) - 然后根据 t-条件FD树 的头部链表进行遍历，从 y 开始。得到频繁项集 ty 。然后又得到 y 的条件模式基，构造出 ty的条件FD树，即 ty-条件FD树。继续遍历ty-条件FD树的头部链表，得到频繁项集 tyx，然后又得到频繁项集 tyxz. 然后得到构造tyxz-条件FD树的头部链表是空的，终止遍历。我们得到的频繁项集有 t->ty->tyz->tyzx，这只是一小部分。 + 3. 条件模式基继续构造条件 FP树， 得到频繁项集，和之前的频繁项组合起来，这是一个递归遍历头部链表生成FP树的过程，递归截止条件是生成的FP树的头部链表为空。 + 根据步骤 2 得到的条件模式基 [z,x,y,s,t]:2，[z,x,y,r,t]:1 作为数据集继续构造出一棵FP树，计算支持度，去除非频繁项，集合按照支持度降序排序，重复上面构造FP树的步骤。最后得到下面 t-条件FP树 : + ![](../images/12.FP-growth/步骤7-2.png) + 然后根据 t-条件FP树 的头部链表进行遍历，从 y 开始。得到频繁项集 ty 。然后又得到 y 的条件模式基，构造出 ty的条件FP树，即 ty-条件FP树。继续遍历ty-条件FP树的头部链表，得到频繁项集 tyx，然后又得到频繁项集 tyxz. 然后得到构造tyxz-条件FP树的头部链表是空的，终止遍历。我们得到的频繁项集有 t->ty->tyz->tyzx，这只是一小部分。 * 条件模式基:头部链表中的某一点的前缀路径组合就是条件模式基，条件模式基的值取决于末尾节点的值。 - * 条件FD树:以条件模式基为数据集构造的FD树叫做条件FD树。 + * 条件FP树:以条件模式基为数据集构造的FP树叫做条件FP树。 FP-growth 算法优缺点: From 265831733660beca5409022ff623438e2e19ea44 Mon Sep 17 00:00:00 2001 From: wangyangting Date: Sun, 24 Sep 2017 20:33:25 +0800 Subject: [PATCH 2/2] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E6=96=87=E6=A1=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/12.使用FP-growth算法来高效发现频繁项集.md | 8 +++++--- .../apachecn_fp_growth_homepage.png} | Bin images/{12.Fd-growth => 12.FP-growth}/步骤1-3.png | Bin images/{12.Fd-growth => 12.FP-growth}/步骤4-5.png | Bin images/{12.Fd-growth => 12.FP-growth}/步骤6-1.png | Bin images/{12.Fd-growth => 12.FP-growth}/步骤6-2.png | Bin images/{12.Fd-growth => 12.FP-growth}/步骤7-1.png | Bin images/{12.Fd-growth => 12.FP-growth}/步骤7-2.png | Bin 8 files changed, 5 insertions(+), 3 deletions(-) rename images/{12.Fd-growth/apachecn_fd_growth_homepage.png => 12.FP-growth/apachecn_fp_growth_homepage.png} (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤1-3.png (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤4-5.png (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤6-1.png (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤6-2.png (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤7-1.png (100%) rename images/{12.Fd-growth => 12.FP-growth}/步骤7-2.png (100%) diff --git a/docs/12.使用FP-growth算法来高效发现频繁项集.md b/docs/12.使用FP-growth算法来高效发现频繁项集.md index bb293f99..e76f2bd5 100644 --- a/docs/12.使用FP-growth算法来高效发现频繁项集.md +++ b/docs/12.使用FP-growth算法来高效发现频繁项集.md @@ -1,14 +1,16 @@ # 第12章 使用FP-growth算法来高效发现频繁项集 -![](../images/12.FP-growth/apachecn_FP_growth_homepage.png) +![](../images/12.FP-growth/apachecn_fp_growth_homepage.png) -### 第11章 我们已经介绍了用Apriori算法发现频繁项集与关联规则，本章将继续关注发现频繁项集这一任务，并使用FP-growth算法更有效的挖掘频繁项集。 +## 前言 +在 [第11章]() 时我们已经介绍了用 `Apriori` 算法发现 `频繁项集` 与 `关联规则`。 +本章将继续关注发现 `频繁项集` 这一任务，并使用 `FP-growth` 算法更有效的挖掘 `频繁项集`。 ## FP-growth 算法简介 * 一种非常好的发现频繁项集算法。 -* 基于Apriori算法构建,但是数据结构不同，使用叫做 FP树 的数据结构结构来存储集合。下面我们会介绍这种数据结构。 +* 基于Apriori算法构建,但是数据结构不同，使用叫做 `FP树` 的数据结构结构来存储集合。下面我们会介绍这种数据结构。 ## FP-growth 算法步骤 - 基于数据构建FP树 diff --git a/images/12.Fd-growth/apachecn_fd_growth_homepage.png b/images/12.FP-growth/apachecn_fp_growth_homepage.png similarity index 100% rename from images/12.Fd-growth/apachecn_fd_growth_homepage.png rename to images/12.FP-growth/apachecn_fp_growth_homepage.png diff --git a/images/12.Fd-growth/步骤1-3.png b/images/12.FP-growth/步骤1-3.png similarity index 100% rename from images/12.Fd-growth/步骤1-3.png rename to images/12.FP-growth/步骤1-3.png diff --git a/images/12.Fd-growth/步骤4-5.png b/images/12.FP-growth/步骤4-5.png similarity index 100% rename from images/12.Fd-growth/步骤4-5.png rename to images/12.FP-growth/步骤4-5.png diff --git a/images/12.Fd-growth/步骤6-1.png b/images/12.FP-growth/步骤6-1.png similarity index 100% rename from images/12.Fd-growth/步骤6-1.png rename to images/12.FP-growth/步骤6-1.png diff --git a/images/12.Fd-growth/步骤6-2.png b/images/12.FP-growth/步骤6-2.png similarity index 100% rename from images/12.Fd-growth/步骤6-2.png rename to images/12.FP-growth/步骤6-2.png diff --git a/images/12.Fd-growth/步骤7-1.png b/images/12.FP-growth/步骤7-1.png similarity index 100% rename from images/12.Fd-growth/步骤7-1.png rename to images/12.FP-growth/步骤7-1.png diff --git a/images/12.Fd-growth/步骤7-2.png b/images/12.FP-growth/步骤7-2.png similarity index 100% rename from images/12.Fd-growth/步骤7-2.png rename to images/12.FP-growth/步骤7-2.png