最近小編了解到了一個的概念： FP-growth，廢話就不多說了，直接把整理的FP-growth的干貨分享給大家。

一、FP-growth是什么

 FP-Growth(頻繁模式增長)算法是由韓家煒老師在2000年提出的關聯分析算法，它的分治策略為：將提供頻繁項集的數據庫壓縮到一棵頻繁模式樹（FP-Tree），但仍保留項集關聯信息。

FP-growth算法通常被用來挖掘頻繁項集，即從已給的多條數據記錄中，挖掘出哪些項是頻繁一起出現的。這種算法算法適用于標稱型數據，也就是離散型數據。其實我們經常能接觸到FP-growth算法，就比如，我們在百度的搜索框內輸入某個字或者詞，搜索引擎就會會自動補全查詢詞項，往往這些詞項都是與搜索詞經常一同出現的。

FP-growth算法源于Apriori的，是通過將數據集存儲在FP(Frequent Pattern)樹上發現頻繁項集，但缺點是，不能發現數據之間的關聯規則。與Apriori相比，FP-growth算法更為高效，因為FP-growth算法只需要對數據庫進行兩次掃描，而Apriori算法在求每個潛在的頻繁項集時都需要掃描一次數據集。

二、FP-Tree算法基本結構

FPTree算法的基本數據結構，包含一個一棵FP樹和一個項頭表，每個項通過一個結點鏈指向它在樹中出現的位置?；窘Y構如下所示。需要注意的是項頭表需要按照支持度遞減排序，在FPTree中高支持度的節點只能是低支持度節點的祖先節點。

FP-Tree：即上面的那棵樹，是把事務數據表中的各個事務數據項按照支持度排序后，把每個事務中的數據項按降序依次插入到一棵以NULL為根結點的樹中，同時在每個結點處記錄該結點出現的支持度。

條件模式基：包含FP-Tree中與后綴模式一起出現的前綴路徑的集合。即同一個頻繁項在PF樹中的所有節點的祖先路徑的集合。例如I3在FP樹中總共出現了3次，其祖先路徑分別是{I2.I1：2(頻度為2)}，{I2：2}和{I1：2}。這3個祖先路徑的集合就是頻繁項I3的條件模式基。

條件樹：將條件模式基按照FP-Tree的構造原則形成的一個新的FP-Tree。比如上圖中I3的條件樹就是。

三、FP-growth算法

FP-growth算法挖掘頻繁項集的基本過程分為兩步：

(1)構建FP樹。

首先構造FP樹，然后利用它來挖掘頻繁項集。在構造FP樹時，需要對數據集掃描兩邊，第一遍掃描用來統計頻率，第二遍掃描至考慮頻繁項集。

(2)從FP樹中挖掘頻繁項集。

首先，獲取條件模式基。條件模式基是以所查找元素項為結尾的路徑集合，表示的是所查找的元素項與樹根節點之間的所有內容。

其次，構建條件模式基。對于每一個頻繁項，都需要創建一棵條件FP樹，使用創建的條件模式基作為輸入，采用相同的建樹代碼來構建樹，相應的遞歸發現頻繁項、發現條件模式基和另外的條件樹。

四、python代碼實現

class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue
        self.count = numOccur
        self.nodeLink = None
        self.parent = parentNode
        self.children = {}
 
    def inc(self, numOccur):
        self.count += numOccur
 
    def disp(self, ind=1):
        print '  '*ind, self.name, ' ', self.count
        for child in self.children.values():
            child.disp(ind+1)
def updateHeader(nodeToTest, targetNode):
    while nodeToTest.nodeLink != None:
        nodeToTest = nodeToTest.nodeLink
    nodeToTest.nodeLink = targetNode
def updateFPtree(items, inTree, headerTable, count):
    if items[0] in inTree.children:
        # 判斷items的第一個結點是否已作為子結點
        inTree.children[items[0]].inc(count)
    else:
        # 創建新的分支
        inTree.children[items[0]] = treeNode(items[0], count, inTree)
        # 更新相應頻繁項集的鏈表，往后添加
        if headerTable[items[0]][1] == None:
            headerTable[items[0]][1] = inTree.children[items[0]]
        else:
            updateHeader(headerTable[items[0]][1], inTree.children[items[0]])
    # 遞歸
    if len(items) > 1:
        updateFPtree(items[1::], inTree.children[items[0]], headerTable, count)
 
def createFPtree(dataSet, minSup=1):
    headerTable = {}
    for trans in dataSet:
        for item in trans:
            headerTable[item] = headerTable.get(item, 0) + dataSet[trans]
    for k in headerTable.keys():
        if headerTable[k] < minSup:
            del(headerTable[k]) # 刪除不滿足最小支持度的元素
    freqItemSet = set(headerTable.keys()) # 滿足最小支持度的頻繁項集
    if len(freqItemSet) == 0:
        return None, None
    for k in headerTable:
        headerTable[k] = [headerTable[k], None] # element: [count, node]
 
    retTree = treeNode('Null Set', 1, None)
    for tranSet, count in dataSet.items():
        # dataSet：[element, count]
        localD = {}
        for item in tranSet:
            if item in freqItemSet: # 過濾，只取該樣本中滿足最小支持度的頻繁項
                localD[item] = headerTable[item][0] # element : count
        if len(localD) > 0:
            # 根據全局頻數從大到小對單樣本排序
            orderedItem = [v[0] for v in sorted(localD.items(), key=lambda p:p[1], reverse=True)]
            # 用過濾且排序后的樣本更新樹
            updateFPtree(orderedItem, retTree, headerTable, count)
    return retTree, headerTable
def loadSimpDat():
    simDat = [['r','z','h','j','p'],
              ['z','y','x','w','v','u','t','s'],
              ['z'],
              ['r','x','n','o','s'],
              ['y','r','x','z','q','t','p'],
              ['y','z','x','e','q','s','t','m']]
    return simDat
# 構造成 element : count 的形式
def createInitSet(dataSet):
    retDict={}
    for trans in dataSet:
        key = frozenset(trans)
        if retDict.has_key(key):
            retDict[frozenset(trans)] += 1
        else:
            retDict[frozenset(trans)] = 1
    return retDict
# 數據集
def loadSimpDat():
    simDat = [['r','z','h','j','p'],
              ['z','y','x','w','v','u','t','s'],
              ['z'],
              ['r','x','n','o','s'],
              ['y','r','x','z','q','t','p'],
              ['y','z','x','e','q','s','t','m']]
    return simDat
# 構造成 element : count 的形式
def createInitSet(dataSet):
    retDict={}
    for trans in dataSet:
        key = frozenset(trans)
        if retDict.has_key(key):
            retDict[frozenset(trans)] += 1
        else:
            retDict[frozenset(trans)] = 1
    return retDict
# 遞歸回溯
def ascendFPtree(leafNode, prefixPath):
    if leafNode.parent != None:
        prefixPath.append(leafNode.name)
        ascendFPtree(leafNode.parent, prefixPath)
# 條件模式基
def findPrefixPath(basePat, myHeaderTab):
    treeNode = myHeaderTab[basePat][1] # basePat在FP樹中的第一個結點
    condPats = {}
    while treeNode != None:
        prefixPath = []
        ascendFPtree(treeNode, prefixPath) # prefixPath是倒過來的，從treeNode開始到根
        if len(prefixPath) > 1:
            condPats[frozenset(prefixPath[1:])] = treeNode.count # 關聯treeNode的計數
        treeNode = treeNode.nodeLink # 下一個basePat結點
    return condPats
def mineFPtree(inTree, headerTable, minSup, preFix, freqItemList):
    # 最開始的頻繁項集是headerTable中的各元素
    bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p:p[1])] # 根據頻繁項的總頻次排序
    for basePat in bigL: # 對每個頻繁項
        newFreqSet = preFix.copy()
        newFreqSet.add(basePat)
        freqItemList.append(newFreqSet)
        condPattBases = findPrefixPath(basePat, headerTable) # 當前頻繁項集的條件模式基
        myCondTree, myHead = createFPtree(condPattBases, minSup) # 構造當前頻繁項的條件FP樹
        if myHead != None:
            # print 'conditional tree for: ', newFreqSet
            # myCondTree.disp(1)
            mineFPtree(myCondTree, myHead, minSup, newFreqSet, freqItemList) # 遞歸挖掘條件FP樹