FP-TREE 算法，頻繁項集與關聯規則分析

使用場景如：

用戶頻道屬性分析 、用戶忠誠度分析 、用戶偏好路徑分析、 用戶偏好終端分析、 用戶訪問網站時間分析、 用戶瀏覽內容分析

 

例子：一用戶某次訪問網站的路徑示意圖

                   

ABCD    ABEGH    ABEGW   AOU   AOV

Apriori算法

        需要掃描多個事物數據集，增加IO開銷。會產生2的k次方頻繁項集。

 

FP-Tree算法

概念： 樹 鏈 節點 節點的前向路徑 單支 多支 條件基

 

若Tree為單支，則輸出整條單支和條件基BASE，支持度為單支中所有節點支持度的最小值。 

1. 若Tree為多支，先輸出項表頭HEAD中每項與條件基BASE的組合。然后，對於項表頭中的每一項，取出該項在Tree中的所有前向路徑，每條路徑的基礎支持度為該項的支持度。
2. M條路徑共M行數據，將這M行數據重新生成Tree，返回算法步驟-3中的1。

 

 

 

 

--->流程參考