FP-TREE 算法，频繁项集与关联规则分析

标签：

使用场景如：

用户频道属性分析 、用户忠诚度分析 、用户偏好路径分析、 用户偏好终端分析、 用户访问网站时间分析、 用户浏览内容分析

例子：一用户某次访问网站的路径示意图

ABCD    ABEGH    ABEGW   AOU   AOV

Apriori算法

        需要扫描多个事物数据集，增加IO开销。会产生2的k次方频繁项集。

FP-Tree算法

概念： 树 链 节点 节点的前向路径 单支 多支 条件基

若Tree为单支，则输出整条单支和条件基BASE，支持度为单支中所有节点支持度的最小值。 

1. 若Tree为多支，先输出项表头HEAD中每项与条件基BASE的组合。然后，对于项表头中的每一项，取出该项在Tree中的所有前向路径，每条路径的基础支持度为该项的支持度。
2. M条路径共M行数据，将这M行数据重新生成Tree，返回算法步骤-3中的1。

--->流程参考

FP-TREE 算法，频繁项集与关联规则分析

标签：

原文地址：http://www.cnblogs.com/icyy/p/5338360.html