数据挖掘算法之Apriori和FP-growth

1、基本概念

      支持度（support）：数据集中包含该项集的记录所占比例



  置信度或可信度（confidence）:主要是针对莫以具体的关联规则进行定义的，如：{尿布}->{啤酒}的可信度可以被定义为：支持度{尿布、葡萄酒}/支持度{尿布}

2、Apriori算法

    主要思路就是找到数据集合中的频繁项集和关联规则

（1）发现频繁项集

            频繁项集的确定主要是依靠支持度。我们预设一个最小支持度阈值，用以过滤掉不满足条件的项集，将满足最小支持度的项集进行保留；

（2）抽取关联规则

       关联规则的确定主要是依靠置信度。同样的设置一个最小置信度阈值，用于删除掉不满足条件的项集，保留下来的就是具有一定关联规则的项集。

3、FP-growth算法

       该算法是在Apriori算法的基础上，只是针对频繁项集发现算法进行了改进，提高了算法处理速度，同时该算法需要对数据集合进行两次扫描。

    算法思路：

（1）发现频繁项集

        a、构建FP树（需要重点理解）

         b、从FP树中挖掘频繁项集

（2）抽取关联规则

        a、从FP树中获得条件模式基（是以所查找元素项为结尾的路径集合）

           b、利用条件模式基，构建一个条件FP树（需要重点理解）

        c、迭代重复步骤a和b,直到树包含一个元素项为止

4、算法示例

  （1）求出各个项集的支持度

   （2）过滤部分项集后的数据集合

  （3）构建FP树

  （4）条件模式基和条件FP树

（5）得到相应的频繁模式

5、Apriori算法和FP-growth算法特点比较

6、参考文献

    https://wenku.baidu.com/view/c32bbada27d3240c8547ef1b.html
    http://blog.csdn.net/lizhengnanhua/article/details/9061755
    《机器学习实战》Peter Harrington著 李锐 李鹏 曲亚东 王斌 译

有什么错误之处和改进之处请指点！！！