Python中怎么构建一个FP-growth算法

本篇文章为大家展示了Python中怎么构建一个FP-growth算法，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

创新互联-成都网站建设公司，专注成都网站建设、网站设计、网站营销推广，域名与空间，雅安服务器托管，网站托管运营有关企业网站制作方案、改版、费用等问题，请联系创新互联。

FP算法发现频繁项集的过程是：

(1)构建FP树；

(2)从FP树中挖掘频繁项集

FP表示的是频繁模式，其通过链接来连接相似元素，被连起来的元素可看成是一个链表

将事务数据表中的各个事务对应的数据项，按照支持度排序后，把每个事务中的数据项按降序依次插入到一棵以 NULL为根节点的树中，同时在每个结点处记录该结点出现的支持度。

假设存在的一个事务数据样例为,构建FP树的步骤如下：

结合Apriori算法中最小支持度的阈值，在此将最小支持度定义为3，结合上表中的数据，那些不满足最小支持度要求的将不会出现在***的FP树中。

据此构建FP树，并采用一个头指针表来指向给定类型的***个实例，快速访问FP树中的所有元素，构建的带头指针的FP树如图：

结合绘制的带头指针表的FP树，对表中数据进行过滤，排序如下：

在对数据项过滤排序了之后，就可以构建FP树了，从NULL开始，向其中不断添加过滤排序后的频繁项集。过程可表示为：

上述内容就是Python中怎么构建一个FP-growth算法，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。