码迷,mamicode.com
首页 > 其他好文 > 详细

FP-growth高效频繁项集发现

时间:2014-12-10 00:24:33      阅读:407      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   io   ar   color   os   使用   sp   

FP-growth

算法优缺点:

  • 优点:一般快于Apriori
  • 缺点:实现比较困难,在某些数据上性能下降
  • 适用数据类型:标称型数据

算法思想:

FP-growth算法是用来解决频繁项集发现问题的,这个问题再前面我们可以通过Apriori算法来解决,但是虽然利用Apriori原理加快了速度,仍旧是效率比较低的。FP-growth算法则可以解决这个问题。
FP-growth算法使用了频繁模式树(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。所谓前缀树,是一种存储候选项集的数据结构,树的分支用项名标识,树的节点存储后缀项,路径表示项集。
FP-growth算法生成频繁项集相对Apriori生成频繁项集的主要好处就是速度快,能快到几个数量级;另一个好处就是用FP树存储数据可以减少存储空间,因为关联挖掘的数据集往往是重复性很高的,这就能带来很高的压缩比。

算法可以分成一下几个部分:

  • 构建FP树

    • 首先我们要统计出所有的元素的频度,删除不满足最小支持度的(Apriori原理)
    • 然后我们要根据频度对所有的项集排序(保证我们的树是最小的)
    • 最后根据排序的项集构建FP树
  • 从FP树挖掘频繁项集:

    • 生成条件模式基
    • 生成条件FP树

算法的执行过程这篇文章有个很好的示例程序

函数:

loadSimpDat()
创建数据集
createInitSet(dataSet)
将数据集处理成字典的形式
createTree(dataSet, minSup=1)
创建FP树的主函数。首先生成单元素的频繁项,然后对每个项集进行以频繁项的频度为基准的排序。
updateTree(items, inTree, headerTable, count)
根据每一个项集和对应的频数,更新FP树。并同时建立表头
updateHeader(nodeToTest, targetNode)
当指针已经初始化的时候,调用这个函数把新的点加到链表的最后面
ascendTree(leafNode, prefixPath)
向上遍历移植到根节点,将经过的节点都加到前缀路径中,得到整条每个频繁项的前缀路径
findPrefixPath(basePat, treeNode)
生成条件模式基
mineTree(inTree, headerTable, minSup, preFix, freqItemList)
递归调用生成条件FP树和频繁项集。创建条件FP树的过程可以重用前面createTree的代码

  1.   1 #coding=utf-8
      2 import time
      3 class treeNode(object):
      4     """docstring for treeNode"""
      5     def __init__(self, nameValue, numOccur, parentNode):
      6         super(treeNode, self).__init__()
      7         self.name = nameValue
      8         self.count = numOccur
      9         self.nodeLink = None
     10         self.parent = parentNode
     11         self.children = {}
     12     def inc(self, numOccur):
     13         self.count += numOccur
     14     def disp(self, ind=1):
     15         print  *ind,self.name, ,self.count
     16         for child in self.children.values():
     17             child.disp(ind+1)
     18 def loadSimpDat():
     19     simpDat = [[r, z, h, j, p],
     20                [z, y, x, w, v, u, t, s],
     21                [z],
     22                [r, x, n, o, s],
     23                [y, r, x, z, q, t, p],
     24                [y, z, x, e, q, s, t, m]]
     25     return simpDat
     26 def createInitSet(dataSet):
     27     retDict = {}
     28     for trans in dataSet:
     29         retDict[frozenset(trans)] = 1
     30     return retDict
     31 def createTree(dataSet, minSup=1):
     32     headerTable = {}
     33     #frequency of each item
     34     for trans in dataSet:
     35         for item in trans:
     36             headerTable[item] = headerTable.get(item, 0) + dataSet[trans]#some trans may same
     37     #remove items not meeting minSup
     38     for k in headerTable.keys():
     39         if headerTable[k] < minSup:
     40             del(headerTable[k])
     41     freqItemSet = set(headerTable.keys())
     42     if len(freqItemSet) == 0:#no frequent item
     43         return None, None
     44     for k in headerTable:#add a point field
     45         headerTable[k] = [headerTable[k], None]
     46     
     47     retTree = treeNode(Null set, 1, None)
     48     for tranSet, count in dataSet.items():
     49         localD = {}
     50         for item in tranSet:#把每一个项集的元素提取出来,并加上统计出来的频率
     51             if item in freqItemSet:
     52                 localD[item] = headerTable[item][0]
     53         if len(localD) > 0:#排序,并更新树
     54             orderdItem = [v[0] for v in sorted(localD.items(),key=lambda p:p[1],reverse=True)]
     55             updateTree(orderdItem, retTree, headerTable, count)
     56     return retTree, headerTable
     57 def updateTree(items, inTree, headerTable, count):
     58     #将新的节点加上来
     59     if items[0] in inTree.children:
     60         inTree.children[items[0]].inc(count)
     61     else:
     62         inTree.children[items[0]] = treeNode(items[0], count, inTree)
     63         #更新指针
     64         if headerTable[items[0]][1] == None:
     65             headerTable[items[0]][1] = inTree.children[items[0]]
     66         else:
     67             updateHeader(headerTable[items[0]][1],inTree.children[items[0]])
     68     if len(items) > 1:
     69         updateTree(items[1::],inTree.children[items[0]],headerTable,count)
     70 def updateHeader(nodeToTest, targetNode):
     71     while nodeToTest.nodeLink != None:
     72         nodeToTest = nodeToTest.nodeLink
     73     nodeToTest.nodeLink = targetNode
     74        
     75 def ascendTree(leafNode, prefixPath): #ascends from leaf node to root
     76     if leafNode.parent != None:
     77         prefixPath.append(leafNode.name)
     78         ascendTree(leafNode.parent, prefixPath)
     79     
     80 def findPrefixPath(basePat, treeNode): #treeNode comes from header table
     81     condPats = {}
     82     while treeNode != None:
     83         prefixPath = []
     84         ascendTree(treeNode, prefixPath)
     85         if len(prefixPath) > 1: 
     86             condPats[frozenset(prefixPath[1:])] = treeNode.count
     87         treeNode = treeNode.nodeLink
     88     return condPats
     89 def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
     90     bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: p[1])]#(sort header table)
     91     #print bigL
     92     for basePat in bigL:  #start from bottom of header table
     93         newFreqSet = preFix.copy()
     94         newFreqSet.add(basePat)
     95         print finalFrequent Item: ,newFreqSet    #append to set
     96         freqItemList.append(newFreqSet)
     97         condPattBases = findPrefixPath(basePat, headerTable[basePat][1])
     98         print condPattBases :,basePat, condPattBases
     99         #2. construct cond FP-tree from cond. pattern base
    100         myCondTree, myHead = createTree(condPattBases, minSup)
    101         print head from conditional tree: , myHead
    102         if myHead != None: #3. mine cond. FP-tree
    103             print conditional tree for: ,newFreqSet
    104             myCondTree.disp(1)            
    105             mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)
    106 def main():
    107     if True:
    108         simpDat = loadSimpDat()
    109         initSet = createInitSet(simpDat)
    110         myFP, myHeadTable = createTree(initSet,3)
    111         myFP.disp()
    112         freqItems = []
    113         mineTree(myFP,myHeadTable,3,set([]),freqItems)
    114         print freqItems
    115     if False:
    116         t1 = time.clock()
    117         parsedDat = [line.split() for line in open(kosarak.dat).readlines()]
    118         initSet = createInitSet(parsedDat)
    119         myFP,myHeadTable = createTree(initSet,100000)
    120         myfreq = []
    121         mineTree(myFP,myHeadTable,100000,set([]),myfreq)
    122         t2 = time.clock()
    123         print time=, t2-t1
    124         print myfreq
    125 if __name__ == __main__:
    126     main()
    127     

     

 
使用FP算法对一个近100万行的数据进行分析,耗时不过十来秒:

bubuko.com,布布扣

 
而如果采用Apriori的频繁集发现算法我跑了四分多种没出结果然后就强制关掉了。。。
bubuko.com,布布扣
事实证明这个算法确实能够提高数量级的速度啊。
 





FP-growth高效频繁项集发现

标签:style   blog   http   io   ar   color   os   使用   sp   

原文地址:http://www.cnblogs.com/MrLJC/p/4154499.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!