FP_Growth算法python实现

FP_Growth算法是关联分析中比较优秀的一种方法，它通过构造FP_Tree，将整个事务数据库映射到树结构上，从而大大减少了频繁扫描数据库的时间。
FP_Growth算法主要分成两个步骤，第一步是构造FP-Tree，第二步是从FP-Tree中提取频繁项集。
更多关联分析和FP_Growth的介绍以及伪代码请见：什么是关联分析、FP-Growth算法的介绍。

本文主要目的是介绍python实现FP_Growth算法的代码。

FP_Growth项目目录有四个文件：

>FP_Growth
　? __init__.py
　? tree_builder.py
　? tree_building.py
　? tree_miner.py

其中，tree_builder.py和tree_building.py文件主要负责FP-tree的构造，而tree_miner.py则是用来从构造好的FP-tree上提取频繁项集。

主程序所在的文件“\__init__.py”代码如下：

#coding=utf-8
import tree_builder
import tree_miner

routines = [    
           [‘Cola‘,‘Egg‘,‘Ham‘],
           [‘Cola‘,‘Diaper‘,‘Beer‘],
           [‘Cola‘,‘Beer‘,‘Diaper‘,‘Ham‘],
           [‘Diaper‘,‘Beer‘]
        ]                                  #事务数据集
min_sup = 2                             #最小支持度计数
headerTable = {}        #头结点表，用来存放各个项的索引

treeBuilder = tree_builder.Tree_builder(routines=routines, min_sup=min_sup, headerTable=headerTable)    #建造FP_Tree
tree_miner.Tree_miner(Tree=treeBuilder.tree, min_sup=min_sup, headerTable=headerTable)         #对FP_Tree进行频繁项集的挖掘

它主要实现三个动作：

1. 输入事务数据集routines;
2. 调用tree_builder，构造FP-tree;
3. 调用tree_miner，从FP-tree提取频繁项集;

FP-tree的构造请见：FP-Growth算法python实现之 FP-tree的构造
频繁项集的挖掘请见：FP-Growth算法python实现之频繁项集的挖掘

$\color{red}{代码地址：}$FP-Growth算法python实现（完整代码）。
备注：该代码是在 Python2.7+eclipse 环境下编写的。可在eclipse中导入项目，也可在命令行窗口用python命令执行“__init__.py”文件。