在Apriori算法原理总结中，我们对Apriori算法的原理做了总结。作为一个挖掘频繁项集的算法，Apriori算法需要多次扫描数据，I/O是很大的瓶颈。为了解决这个问题，FP Tree算法（也称FP Growth算法）采用了一些技巧，无论多少数据，只需要扫描两次数据集，因此提高了算法运行的效率。 ...
分类：
编程语言 时间：
2017-01-19 22:56:00
阅读次数：
260
1 集群系统中的 FP-tree 并行算法（many for one一个任务 还是 云计算one for many多个任务？） 计算机集群系统利用网络把一组具有高性能的工作站或者 PC 机按一定的结构连接起来， 从而形成了高效的并行的计算处理系统。 各节点之间使用消息传递实现通信，集群系统通常用于改 ...
分类：
编程语言 时间：
2016-09-04 17:16:35
阅读次数：
149
数据挖掘：关联规则挖掘 关联规则挖掘：Apriori算法 提高Apriori的效率 基于散列的算法基于FP tree的算法 ...
分类：
编程语言 时间：
2016-04-23 22:38:41
阅读次数：
563
使用场景如： 用户频道属性分析 、用户忠诚度分析 、用户偏好路径分析、 用户偏好终端分析、 用户访问网站时间分析、 用户浏览内容分析 例子：一用户某次访问网站的路径示意图 Apriori算法 需要扫描多个事物数据集，增加IO开销。会产生2的k次方频繁项集。 FP-Tree算法 概念： 树 链 节点 ...
分类：
编程语言 时间：
2016-03-30 19:22:49
阅读次数：
298
前言： 关于 FP-Growth 算法介绍请见：FP-Growth算法的介绍。 本文主要介绍从 FP-tree 中提取频繁项集的算法。关于伪代码请查看上面的文章。 FP-tree 的构造请见：FP-Growth算法之 FP-tree 的构造（python）。 正文： tree_miner.py\co
分类：
编程语言 时间：
2016-02-27 21:54:45
阅读次数：
1396
在关联规则挖掘领域最经典的算法法是Apriori，其致命的缺点是需要多次扫描事务数据库。于是人们提出了各种裁剪（prune）数据集的方法以减少I/O开支本文参考地址：http://www.cnblogs.com/zhangchaoyang/articles/2198946.html
分类：
编程语言 时间：
2015-11-27 00:53:51
阅读次数：
236
本文主要介绍从FP-tree中提取频繁项集的算法。
更多请见：FP-Growth算法的介绍、FP_Growth算法python实现、FP-Growth算法python实现之 FP-tree的构造。
tree_miner.py代码：#coding=utf-8import tree_builder
import copyclass Tree_miner(object):
"""tree_mi...
分类：
编程语言 时间：
2015-07-04 09:42:12
阅读次数：
257
本文主要介绍FP-tree的构造算法。上接：FP-Growth算法python实现。
tree_builder.py代码：\color{aqua}{tree\_builder.py代码：}#coding=utf-8import tree_buildingclass Tree_builder(object):
"""tree_builder类。 作用:根据事务数据集进行数据准备及构造树....
分类：
编程语言 时间：
2015-07-04 09:41:01
阅读次数：
271
FP_Growth算法是关联分析中比较优秀的一种方法，它通过构造FP_Tree，将整个事务数据库映射到树结构上，从而大大减少了频繁扫描数据库的时间。
FP_Growth算法主要分成两个步骤，第一步是构造FP-Tree，第二步是从FP-Tree中提取频繁项集。
更多关联分析和FP_Growth的介绍以及伪代码请见：什么是关联分析、FP-Growth算法的介绍。本文主要目的是介绍python实现FP...
分类：
编程语言 时间：
2015-07-04 09:40:50
阅读次数：
562
引言：在关联分析中，频繁项集的挖掘最常用到的就是Apriori算法。Apriori算法是一种先产生候选项集再检验是否频繁的“产生-测试”的方法。这种方法有种弊端：当数据集很大的时候，需要不断扫描数据集造成运行效率很低。
而FP-Growth算法就很好地解决了这个问题。它的思路是把数据集中的事务映射到一棵FP-Tree上面，再根据这棵树找出频繁项集。FP-Tree的构建过程只需要扫描两次数据集。...
分类：
编程语言 时间：
2015-06-28 12:49:56
阅读次数：
287
