FP - growth 알고리즘

FP 는 빈번 한 모드 (Frequent Pattern) 를 대표 합 니 다.첫 번 째, FP - growth 알고리즘 은 빈번 한 항목 집합 만 발견 할 수 있 을 뿐 관련 규칙 을 찾 을 수 없습니다.둘째, FP - growth 알고리즘 은 빈번 한 집합의 효율 이 비교적 높다 는 것 을 발견 했다. Apriori 알고리즘 은 잠재 적 인 빈번 한 항목 마다 데이터 집합 을 스 캔 하여 빈번 한 지 여 부 를 판정 해 야 한다. FP - growth 알고리즘 은 데이터 집합 을 두 번 스 캔 하기 만 하면 된다.이 알고리즘 은 Apriori 보다 빠 르 고 보통 성능 이 두 개 이상 좋 습 니 다.셋째, FP - growth 알고리즘 은 Apriori 알고리즘 을 바탕 으로 구축 되 었 고 같은 임 무 를 수행 할 때 서로 다른 기술 을 사용 했다.빈번 한 항목 집합 을 발견 하 는 기본 과정: 1. FP 트 리 구축 2. FP 트 리 에서 빈번 한 항목 집합 장점 을 발굴 합 니 다. 보통 Apriori 보다 빠 르 고 단점: 실현 이 어렵 고 일부 데이터 세트 에서 성능 이 떨 어 집 니 다.적용 데이터 형식: 레이 블 데이터.
FP 트 리
FP - growth 알고리즘 은 데 이 터 를 FP 트 리 라 는 치밀 한 데이터 구조 에 저장 합 니 다.FP 트 리 는 컴퓨터 의 다른 트 리 구조 와 유사 해 보이 지만 링크 (link) 를 통 해 비슷 한 요 소 를 연결 합 니 다. 연 결 된 요소 항목 은 링크 로 볼 수 있 습 니 다.
검색 트 리 와 달리 하나의 요소 항목 은 FP 트 리 에 여러 단어 가 나타 날 수 있 습 니 다.FP 트 리 는 항목 집합 이 나타 나 는 빈 도 를 저장 하고 모든 집 회 는 경로 로 트 리 에 저 장 됩 니 다.비슷 한 요소 가 존재 하 는 집합 은 나무의 일부분 을 공유 합 니 다.집합 사이 가 완전히 다 를 때 만 나무 가 갈 라 진다.트 리 노드 에 집합 중의 단일 요소 와 그 서열 에서 의 출현 횟수 를 제시 하고 경 로 는 이 서열 의 출현 횟수 를 제시한다.
비슷 한 항목 간 의 링크 는 노드 링크 (node link) 로 비슷 한 항목 의 위 치 를 신속하게 발견 하 는 데 사 용 됩 니 다.
FP - growth 알고리즘 의 작업 절 차 는 다음 과 같다. 먼저 FP 트 리 를 구축 한 다음 에 이 를 이용 하여 빈번 한 항목 집합 을 발굴 한다.FP 트 리 를 구축 하기 위해 서 는 데이터 세트 를 두 번 스 캔 해 야 합 니 다.처음으로 모든 원소 항목 의 출현 횟수 를 계산 하여 출현 빈 도 를 통계 하 였 다.두 번 째 스 캔 은 어떤 빈번 한 요소 만 을 고려 합 니까?
코드 목록
코드 와 사 고 는 에서 나 왔 습 니 다. 책 에서 코드 python 2, 제 가 사용 하 는 python 3 을 고 쳤 습 니 다.

# -*- coding: utf-8 -*-
#           ，          

# FP        
class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue
        self.count = numOccur
        self.nodeLink = None  # nodeLink             
        self.parent = parentNode  #           
        self.children = {}  #    ，        

    def inc(self, numOccur):  #    1
        self.count += numOccur

#          
    def disp(self, ind=1):
        # print('  ' * ind, self.name, ' ', self.count)
        for child in self.children.values():
            child.disp(ind + 1)


#   FP-tree
def createTree(dataSet, minSup=1):
    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())  #          
    # print ('freqItemSet: ',freqItemSet)
    if len(freqItemSet) == 0:
        return None, None  #          ，   
    for k in headerTable:  #       
        headerTable[k] = [headerTable[k], None]  #                      
    # print ('headerTable: ',headerTable)
    retTree = treeNode('Null Set', 1, None)  #    tree
    for tranSet, count in dataSet.items():  #      ：
        localD = {}
        for item in tranSet:  # put transaction items in order
            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)  # populate tree with ordered freq itemset
    return retTree, headerTable  #         


def updateTree(items, inTree, headerTable, count):
    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] == 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)


#                   。
#        nodeLink   ,    nodeLink        
def updateHeader(nodeToTest, targetNode):
    while nodeToTest.nodeLink != None:
        nodeToTest = nodeToTest.nodeLink
    nodeToTest.nodeLink = targetNode


def loadSimpDat():
    simpDat = [['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 simpDat


# createInitSet()                    
def createInitSet(dataSet):
    retDict = {}
    for trans in dataSet:
        retDict[frozenset(trans)] = 1
    return retDict


#  FP        
def ascendTree(leafNode, prefixPath):  #        
    if leafNode.parent != None:
        prefixPath.append(leafNode.name)
        ascendTree(leafNode.parent, prefixPath)


def findPrefixPath(basePat, treeNode):  #   ：  ，  ；
    condPats = {}
    while treeNode != None:
        prefixPath = []
        ascendTree(treeNode, prefixPath)  #            
        if len(prefixPath) > 1:
            condPats[frozenset(prefixPath[1:])] = treeNode.count  #             
        treeNode = treeNode.nodeLink
    return condPats


#         
def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
    #                 ,    
    bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: str(p[1]))]  # python3  
    for basePat in bigL:  #      
        #        
        newFreqSet = preFix.copy()
        newFreqSet.add(basePat)
        # print ('finalFrequent Item: ',newFreqSet)
        freqItemList.append(newFreqSet)
        #           
        condPattBases = findPrefixPath(basePat, headerTable[basePat][1])
        # print ('condPattBases :',basePat, condPattBases)

        # 2.       Tree
        myCondTree, myHead = createTree(condPattBases, minSup)
        #                  fp-tree
        # print ('head from conditional tree: ', myHead)
        if myHead != None:  # 3.   
            # print('conditional tree for: ', newFreqSet)
            myCondTree.disp(1)
            mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)


# rootNode = treeNode('pyramid', 9, None)
# rootNode.children['eye'] = treeNode('eye', 13, None)
# print(rootNode.disp())
# rootNode.children['phoenix'] = treeNode('phoenix', 3, None)
# print(rootNode.disp())
#      
simpData = loadSimpDat()
# print(simpData)
#      
initSet = createInitSet(simpData)
# print(initSet)
myFPtree, myHeaderTab = createTree(initSet, 3)
# print(findPrefixPath('x', myHeaderTab['x'][1]))
# print(findPrefixPath('z', myHeaderTab['z'][1]))
#           ，              ，    
# print(findPrefixPath('r', myHeaderTab['r'][1]))
freqItems = []
mineTree(myFPtree, myHeaderTab, 3, set([]), freqItems)
print(freqItems)