关联规则-FPGrowph

概要

FP的全称是Frequent Pattern，在算法中使用了一种称为频繁模式树（Frequent Pattern Tree）的数据结构。FP-tree是一种特殊的前缀树，由频繁项头表和项前缀树构成。FP-Growth算法基于以上的结构加快整个挖掘过程。

• Aprior

Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据集，那么对于超市，我们可以优化产品的位置摆放，对于电商，我们可以优化商品所在的仓库位置，达到节约成本，增加经济效益的目的。

• 和Apriori比较

1. 通过构造FP树和项头表来存频繁项集
2. 整个过程只遍历数据2次

---

关键概念

• 置信度

  条件概率，置信度(A->B) 在A出现的条件下B发生的概率

• 支持度

  某个组合出现的概率(出现的次数/总的次数)

• 提升度

  提升度(A->B) = 置信度(A->B)/支持度(B) = P(B|A) /p(B) = P(AB)/(P(A)*P(B))

  A的出现对B发生的概率有多大的提升 (B发生的所有条件里 A发生导致B发生 所占的比例)

  提升度 (A→B)>1：代表有提升；

  提升度 (A→B)=1：代表有没有提升，也没有下降；

  提升度 (A→B)<1：代表有下降。

---

算法步骤

1. 整理数据，获得事务数据集
2. 计算每项的支持度，形成项头表

3. 每个事务内按照 支持度对每项进行筛选、排序，更新项头表的链接和计算
   
4. 构建fp树

5. 挖掘每项的频繁项集

6. 关联规则的评估

每个事务可以表示为 每个锚段一个月发生的缺陷种类

---

频繁项集计算步骤

1. fp树的叶子点开始递归，找出该叶子节点项的条件模式基(包含该叶子节点的子树)
2. 子树也要根据支持度进行筛选项
3. 子树项的笛卡尔积组合，构成频繁项

频繁2项集为{A:2,F:2}, {C:2,F:2}, {E:2,F:2}, {B:2,F:2}。递归合并二项集，得到频繁三项集为{A:2,C:2,F:2}，频繁四项…

祖先节点计数设置为叶子节点的计数，即变成{A:2, C:2,E:1 G:1,D:1, D:1}此时E节点和G节点由于在条件模式基里面的支持度低于阈值，被我们删除，最终在去除低支持度节点并不包括叶子节点后D的条件模式基为{A:2, C:2}

---

参考博客

https://www.cnblogs.com/zhengxingpeng/p/6679280.html

https://www.cnblogs.com/pinard/p/6293298.html