一.頻繁項集挖掘為什麽會出現FP-growth呢？

原因：這得從Apriori算法的原理說起，Apriori會產生大量候選項集（就是連接後產生的），在剪枝時，需要掃描整個數據庫（就是給出的數據），通過模式匹配檢查候選集合（為的是找到滿足最小支持度的項）。候選產生過程帶來的就是昂貴的代價開銷，所以FP-growth就出現了。

二.FP-growth（Frequent-Pattern Growth) :頻繁模式增長

1.數據庫（給出的數據）第一次掃描和Apriori一樣，找出頻繁1項集的集合，統計各個項的支持度計數（出現的次數）。設置最小支持度，需要將集合的各個項按支持度計數由（大->小

2.構造FP樹。首先，創建根結點（為NULL）。第二次掃描數據，將每個事務中的項按L的順序，在FP樹上構建分支。這裏需要註意的是，在為新事務建分支的時候，沿共同前綴上的每個結點的計數加1，為後綴之後的項創建結點。例如：事務1：建的分支為：1,2,3。事務2：1,2,5。則FP樹新分支（為事務2）需要與事務1共用（1,2）前綴，5則新建結點。此時（1,2）的支持度都相應的變為了2。結點3和5依舊是1

3.當FP樹完成，數據頻繁模式的挖掘就變為了FP樹的挖掘。

4.FP數挖掘的核心流程：從L的最小支持度的項（後綴模式）開始---->構造它的條件模式基（由FP樹中與該後綴模式一起出現的前綴路徑集組成

5.需要註意的問題：

條件模式基：需要註意--->各個項出現的支持度計數(這裏會出現多個集合，因為後綴模式可能會有多個分支)要和當前的後綴模式的支持度計數保持一致。

條件FP樹：需要註意--->將條件模式基產生的多個集合合並(將相同前綴路徑的各個結點的支持度累計加1，這裏去掉不符合最小支持度的結點）。

產生頻繁模式：將條件FP樹產生的各個集合與後綴模式連接。（如果多個集合中出現重復的項，需累加計數再與後綴模式連接）例如：條件FP數產生的集合：（a:4，b：3），（b:3)，假設此刻的後綴模式為c 。則產生的頻繁項集為：（a:4,c:4),(b:6,c:6),(a:4,b:3,c:3)

手推FP-growth (頻繁模式增長）算法------挖掘頻繁項集