前言
最近在看Peter Harrington寫的“機器學習實戰(zhàn)”，這是我的學習心得，這次是第12章 - 使用FP-growth算法來高效發(fā)現(xiàn)頻繁項集。
基本概念
FP-growth算法
FP-growth算法的性能很好，只需要掃描兩次數(shù)據集，就能生成頻繁項集。但不能用于發(fā)現(xiàn)關聯(lián)規(guī)則。
我想應該可以使用Apriori算法發(fā)現(xiàn)關聯(lián)規(guī)則。
FP代表頻繁模式（Frequent Pattern）。條件模式基（conditional pattern base）。
條件模式基是以所查找元素項為結尾的路徑集合。每一條路徑其實都是一條前綴路徑（prefix path）。
一條前綴路徑是介于所查找元素項與樹根節(jié)點之間的所有內容。
FP-growth算法 - 用途
快速生成頻繁項集
在一批有共性的文章中找到經常出現(xiàn)的匹配詞匯（共現(xiàn)詞），并進一步發(fā)現(xiàn)關聯(lián)規(guī)則。可以用于輸入自動補全功能。
發(fā)現(xiàn)數(shù)據中的共性。比如，可以找到，哪類用戶喜歡哪些文章。
