FP-Growth

• 簡介
  • FP-Growth算法是一種發(fā)現(xiàn)數(shù)據(jù)集中頻繁模式的有效方法，它在Apriori算法的原理的基礎上，采用FP（Frequent Pattern，頻繁模式）樹數(shù)據(jù)結構對原始數(shù)據(jù)進行壓縮，大大加快了計算速度。FP-Growth算法把數(shù)據(jù)集中的事物映射到一棵FP-Tree上，再根據(jù)這棵樹找到頻繁項集，FP-Tree的構建過程只需要掃描兩次數(shù)據(jù)集，特別是在大型數(shù)據(jù)集上具有很高的效率。
• 原理
  • FP-Growth算法的基本過程分為兩個步驟：構建FP樹和挖掘頻繁項集。FP樹構建通過兩次數(shù)據(jù)掃描，將原始數(shù)據(jù)中的事物壓縮到一個FP樹，該FP樹類似于前綴樹，相同前綴的路徑可以共用，從而達到壓縮數(shù)據(jù)的目的。接著通過FP樹找出每個項的條件模式基、條件FP樹，遞歸的挖掘條件FP樹得到所有的頻繁項集。算法的主要計算“瓶頸”在FP-Tree的遞歸挖掘上，這里介紹FP-Growth算法主要步驟。
  • FP樹的數(shù)據(jù)結構
    • FP-Growth算法將數(shù)據(jù)存儲在一種稱為FP樹的緊湊數(shù)據(jù)結構中。一棵FP樹看上去與計算機科學中的其他樹的結構類似，但是它通過鏈接來連接相似元素，被連起來的元素項可以看出一個鏈表。
    • 與搜索樹不同的是，一個元素項可以在一棵FP樹中出現(xiàn)多次。FP樹會存儲項集的出現(xiàn)頻率，而每個項集會以路徑的方式存儲在樹中。存在相似元素的集合會共享樹的一部分，只有當集合之間完全不同時，樹才會分叉。樹節(jié)點上給出集合中的單個元素及其在序列中的出現(xiàn)次數(shù)，路徑會給出該序列的出現(xiàn)次數(shù)。
  • 構建FP樹
    • FP通過鏈接來連接相似元素，被連起來的元素可以看做一個鏈表。將事物數(shù)據(jù)表中的各個事物對應的數(shù)據(jù)項按照支持度排序后，把每個事物中的數(shù)據(jù)項按降序依次插入一棵以NULL為根節(jié)點的樹中，同時在每個節(jié)點處記錄該節(jié)點出現(xiàn)的支持度。構建FP樹需要兩次掃描數(shù)據(jù)集，第一次用來統(tǒng)計各元素項的出現(xiàn)頻率，第二次掃描只考慮頻繁項集，FP樹具體構建過程如下。
      • 1.遍歷數(shù)據(jù)集，統(tǒng)計各元素項出現(xiàn)次數(shù)，創(chuàng)建頭指針表。
      • 2.移除頭指針表中不滿足最小值尺度的元素項。
      • 3.第二次遍歷數(shù)據(jù)集，創(chuàng)建FP樹。對每個數(shù)據(jù)集中的項集進行如下操作。
        • a.初始化空FP樹。
        • b.對每個項集進行過濾和重排序。
        • c.使用這個項集更新FP樹，從FP樹的根節(jié)點開始進行。
          • 如果當前項集的第一個元素項存在于FP樹當前節(jié)點的子節(jié)點中，則更新這個子節(jié)點的計數(shù)值。
          • 否則，創(chuàng)建新的子節(jié)點，更新頭指針表。
          • 對當前項集的其余元素項和當前元素項的對應子節(jié)點遞歸c過程。
  • 從FP樹中挖掘頻繁項集
    • 有了FP樹，就可以抽取頻繁項集了。這里的思路與Apriori算法大致類似，首先從單元素項集合開始，然后在此基礎上逐步構建更大的集合。從FP樹中抽取頻繁項集的基本步驟如下。
      • 1.從FP樹中獲得條件模式基
        • 從頭指針表最下面的頻繁元素項開始，構造每個元素項的條件模式基。條件模式基是以所查找元素項為結尾的路徑集合，這里每一條路徑都是該元素項的前綴路徑。條件模式基的頻繁度為該路徑上該元素項的頻繁度計數(shù)。
      • 2.利用條件模式基，構建一個條件FP樹
        • 對于每一個頻繁項，都需要創(chuàng)建一棵條件FP樹。使用剛才創(chuàng)建的條件模式基作為輸入，累加每個條件模式基上的元素項頻繁度，過濾低于閾值的元素項，采用同樣的建樹代碼構建FP樹。遞歸發(fā)現(xiàn)頻繁項、條件模式基和另外的條件樹。
      • 3.迭代重復步驟1和2，直到樹包含一個元素項，這樣就獲得了所有的頻繁項集。
• 實戰(zhàn)
  • 使用FP-Growth算法提取頻繁項集
  • 提取文本事物數(shù)據(jù)的頻繁項集
  • 代碼
    • class treeNode:"""定義FP樹數(shù)據(jù)結構"""def __init__(self, nameValue, numOccur, parentNode):# 節(jié)點元素名稱self.name = nameValue# 出現(xiàn)次數(shù)self.count = numOccur# 指向下一個相似節(jié)點self.nodeLink = None# 指向父節(jié)點self.parent = parentNode# 指向子節(jié)點，子節(jié)點元素名稱為鍵，指向子節(jié)點指針為值self.children = {}def inc(self, numOccur):"""增加節(jié)點的出現(xiàn)次數(shù):param numOccur::return:"""self.count += numOccurdef disp(self, ind=1):"""輸出節(jié)點和子節(jié)點的FP樹結構:param ind::return:"""print(' ' * ind, self.name, ' ', self.count)for child in self.children.values():child.disp(ind + 1)def createTree(dataSet, minSup=1):"""建樹:param dataSet::param minSup::return:"""headerTable = {}for trans in dataSet:for item in trans:headerTable[item] = headerTable.get(item, 0) + dataSet[trans]for k in list(headerTable):if headerTable[k] < minSup:del (headerTable[k])freqItemSet = set(headerTable.keys())if len(freqItemSet) == 0:return None, Nonefor k in headerTable:headerTable[k] = [headerTable[k], None]retTree = treeNode('Null Set', 1, None)for tranSet, count in dataSet.items():localD = {}for item in tranSet:if item in freqItemSet:localD[item] = headerTable[item][0]if len(localD) > 0:orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)]updateTree(orderedItems, retTree, headerTable, count)return retTree, headerTabledef updateTree(items, inTree, headerTable, count):"""使用頻繁項集使FP樹生長:param items::param inTree::param headerTable::param count::return:"""if items[0] in inTree.children:inTree.children[items[0]].inc(count)else:inTree.children[items[0]] = treeNode(items[0], count, inTree)if headerTable[items[0]][1] is None:headerTable[items[0]][1] = inTree.children[items[0]]else:updateHeader(headerTable[items[0]][1], inTree.children[items[0]])if len(items) > 1:updateTree(items[1::], inTree.children[items[0]], headerTable, count)def updateHeader(nodeToTest, targetNode):"""更新頭指針表，確保節(jié)點鏈接指向樹中該元素項的每一個實例:param nodeToTest::param targetNode::return:"""while nodeToTest.nodeLink is not None:nodeToTest = nodeToTest.nodeLinknodeToTest.nodeLink = targetNode# 挖掘頻繁項集def ascendTree(leafNode, prefixPath):if leafNode.parent is not None:prefixPath.append(leafNode.name)ascendTree(leafNode.parent, prefixPath)def findPrefixPath(basePat, treeNode):condPats = {}while treeNode is not None:prefixPath = []ascendTree(treeNode, prefixPath)if len(prefixPath) > 1:condPats[frozenset(prefixPath[1:])] = treeNode.counttreeNode = treeNode.nodeLinkreturn condPatsdef mineTree(inTree, headerTable, minSup, preFix, freqItemList):"""遞歸查找頻繁項集:param inTree::param headerTable::param minSup::param preFix::param freqItemList::return:"""bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: str(p[1]))]for basePat in bigL:newFreqSet = preFix.copy()newFreqSet.add(basePat)freqItemList.append(newFreqSet)condPathBases = findPrefixPath(basePat, headerTable[basePat][1])myCondTree, myHead = createTree(condPathBases, minSup)if myHead is not None:print('conditional tree for:', newFreqSet)mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)# 生成數(shù)據(jù)集def loadSimpDat():simData = [['r', 'z', 'h', 'j', 'p'],['z', 'y', 'x', 'w', 'v', 'u', 't', 's'],['z'],['r', 'x', 'n', 'o', 's'],['y', 'r', 'x', 'z', 'q', 't', 'p'],['y', 'z', 'x', 'e', 'q', 's', 't', 'm']]return simDatadef createInitSet(dataSet):retDict = {}for trans in dataSet:retDict[frozenset(trans)] = 1return retDictif __name__ == '__main__':minSup = 3simDat = loadSimpDat()initSet = createInitSet(simDat)myFPtree, myHeaderTab = createTree(initSet, minSup)myFPtree.disp()myFreqList = []mineTree(myFPtree, myHeaderTab, minSup, set([]), myFreqList)print(myFreqList)
• 補充說明
  • 參考書《Python3數(shù)據(jù)分析與機器學習實戰(zhàn)》
  • 具體數(shù)據(jù)集和代碼可以查看我的GitHub,歡迎star或者fork

總結

以上是生活随笔為你收集整理的机器学习-关联之FP-Growth算法原理及实战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。