欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

FP-growth算法發(fā)現(xiàn)頻繁項集——構(gòu)建FP樹

 更新時間:2021年06月24日 16:39:41   作者:我是8位的  
常見的挖掘頻繁項集算法有兩類,一類是Apriori算法,另一類是FP-growth。Apriori通過不斷的構(gòu)造候選集、篩選候選集挖掘出頻繁項集,需要多次掃描原始數(shù)據(jù),當(dāng)原始數(shù)據(jù)較大時,磁盤I/O次數(shù)太多,效率比較低下

FP代表頻繁模式(Frequent Pattern),算法主要分為兩個步驟:FP-tree構(gòu)建、挖掘頻繁項集。

FP樹表示法

FP樹通過逐個讀入事務(wù),并把事務(wù)映射到FP樹中的一條路徑來構(gòu)造。由于不同的事務(wù)可能會有若干個相同的項,因此它們的路徑可能部分重疊。路徑相互重疊越多,使用FP樹結(jié)構(gòu)獲得的壓縮效果越好;如果FP樹足夠小,能夠存放在內(nèi)存中,就可以直接從這個內(nèi)存中的結(jié)構(gòu)提取頻繁項集,而不必重復(fù)地掃描存放在硬盤上的數(shù)據(jù)。

一顆FP樹如下圖所示:

通常,F(xiàn)P樹的大小比未壓縮的數(shù)據(jù)小,因為數(shù)據(jù)的事務(wù)常常共享一些共同項,在最好的情況下,所有的事務(wù)都具有相同的項集,F(xiàn)P樹只包含一條節(jié)點路徑;當(dāng)每個事務(wù)都具有唯一項集時,導(dǎo)致最壞情況發(fā)生,由于事務(wù)不包含任何共同項,F(xiàn)P樹的大小實際上與原數(shù)據(jù)的大小一樣。

FP樹的根節(jié)點用φ表示,其余節(jié)點包括一個數(shù)據(jù)項和該數(shù)據(jù)項在本路徑上的支持度;每條路徑都是一條訓(xùn)練數(shù)據(jù)中滿足最小支持度的數(shù)據(jù)項集;FP樹還將所有相同項連接成鏈表,上圖中用藍(lán)色連線表示。

為了快速訪問樹中的相同項,還需要維護(hù)一個連接具有相同項的節(jié)點的指針列表(headTable),每個列表元素包括:數(shù)據(jù)項、該項的全局最小支持度、指向FP樹中該項鏈表的表頭的指針。

構(gòu)建FP樹

現(xiàn)在有如下數(shù)據(jù):

  

FP-growth算法需要對原始訓(xùn)練集掃描兩遍以構(gòu)建FP樹。

第一次掃描,過濾掉所有不滿足最小支持度的項;對于滿足最小支持度的項,按照全局最小支持度排序,在此基礎(chǔ)上,為了處理方便,也可以按照項的關(guān)鍵字再次排序。

第一次掃描的后的結(jié)果

第二次掃描,構(gòu)造FP樹。

參與掃描的是過濾后的數(shù)據(jù),如果某個數(shù)據(jù)項是第一次遇到,則創(chuàng)建該節(jié)點,并在headTable中添加一個指向該節(jié)點的指針;否則按路徑找到該項對應(yīng)的節(jié)點,修改節(jié)點信息。具體過程如下所示:

事務(wù)001,{z,x}

事務(wù)002,{z,x,y,t,s}

事務(wù)003,{z}

事務(wù)004,{x,s,r}

事務(wù)005,{z,x,y,t,r}

事務(wù)006,{z,x,y,t,s}

從上面可以看出,headTable并不是隨著FPTree一起創(chuàng)建,而是在第一次掃描時就已經(jīng)創(chuàng)建完畢,在創(chuàng)建FPTree時只需要將指針指向相應(yīng)節(jié)點即可。從事務(wù)004開始,需要創(chuàng)建節(jié)點間的連接,使不同路徑上的相同項連接成鏈表。

代碼如下:

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
def createInitSet(dataSet):
    retDict = {}
    for trans in dataSet:
        fset = frozenset(trans)
        retDict.setdefault(fset, 0)
        retDict[fset] += 1
    return retDict
class treeNode:
    def __init__(self, nameValue, numOccur, parentNode):
        self.name = nameValue
        self.count = numOccur
        self.nodeLink = None
        self.parent = parentNode
        self.children = {}
    def inc(self, numOccur):
        self.count += numOccur
    def disp(self, ind=1):
        print('   ' * ind, self.name, ' ', self.count)
        for child in self.children.values():
            child.disp(ind + 1)

def createTree(dataSet, minSup=1):
    headerTable = {}
    #此一次遍歷數(shù)據(jù)集, 記錄每個數(shù)據(jù)項的支持度
    for trans in dataSet:
        for item in trans:
            headerTable[item] = headerTable.get(item, 0) + 1
    #根據(jù)最小支持度過濾
    lessThanMinsup = list(filter(lambda k:headerTable[k] < minSup, headerTable.keys()))
    for k in lessThanMinsup: del(headerTable[k])
    freqItemSet = set(headerTable.keys())
    #如果所有數(shù)據(jù)都不滿足最小支持度,返回None, None
    if len(freqItemSet) == 0:
        return None, None
    for k in headerTable:
        headerTable[k] = [headerTable[k], None]
    retTree = treeNode('φ', 1, None)
    #第二次遍歷數(shù)據(jù)集,構(gòu)建fp-tree
    for tranSet, count in dataSet.items():
        #根據(jù)最小支持度處理一條訓(xùn)練樣本,key:樣本中的一個樣例,value:該樣例的的全局支持度
        localD = {}
        for item in tranSet:
            if item in freqItemSet:
                localD[item] = headerTable[item][0]
        if len(localD) > 0:
            #根據(jù)全局頻繁項對每個事務(wù)中的數(shù)據(jù)進(jìn)行排序,等價于 order by p[1] desc, p[0] desc
            orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: (p[1],p[0]), reverse=True)]
            updateTree(orderedItems, retTree, headerTable, count)
    return retTree, headerTable

def updateTree(items, inTree, headerTable, count):
    if items[0] in inTree.children:  # check if orderedItems[0] in retTree.children
        inTree.children[items[0]].inc(count)  # incrament count
    else:  # add items[0] to inTree.children
        inTree.children[items[0]] = treeNode(items[0], count, inTree)
        if headerTable[items[0]][1] == None:  # update header table
            headerTable[items[0]][1] = inTree.children[items[0]]
        else:
            updateHeader(headerTable[items[0]][1], inTree.children[items[0]])
    if len(items) > 1:  # call updateTree() with remaining ordered items
        updateTree(items[1:], inTree.children[items[0]], headerTable, count)

def updateHeader(nodeToTest, targetNode):  # this version does not use recursion
    while (nodeToTest.nodeLink != None):  # Do not use recursion to traverse a linked list!
        nodeToTest = nodeToTest.nodeLink
    nodeToTest.nodeLink = targetNode
simpDat = loadSimpDat()
dictDat = createInitSet(simpDat)
myFPTree,myheader = createTree(dictDat, 3)
myFPTree.disp()

上面的代碼在第一次掃描后并沒有將每條訓(xùn)練數(shù)據(jù)過濾后的項排序,而是將排序放在了第二次掃描時,這可以簡化代碼的復(fù)雜度。

控制臺信息:

項的順序?qū)P樹的影響

值得注意的是,對項的關(guān)鍵字排序?qū)绊慒P樹的結(jié)構(gòu)。下面兩圖是相同訓(xùn)練集生成的FP樹,圖1除了按照最小支持度排序外,未對項做任何處理;圖2則將項按照關(guān)鍵字進(jìn)行了降序排序。樹的結(jié)構(gòu)也將影響后續(xù)發(fā)現(xiàn)頻繁項的結(jié)果。

圖1 未對項的關(guān)鍵字排序

圖2 對項的關(guān)鍵字降序排序

總結(jié)  

本派文章就到這里了,下篇繼續(xù),介紹如何發(fā)現(xiàn)頻繁項集。希望能給你帶來幫助,也希望您能夠多多關(guān)注腳本之家的更多內(nèi)容!

相關(guān)文章

  • 在Python 中同一個類兩個函數(shù)間變量的調(diào)用方法

    在Python 中同一個類兩個函數(shù)間變量的調(diào)用方法

    今天小編就為大家分享一篇在Python 中同一個類兩個函數(shù)間變量的調(diào)用方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-01-01
  • Python drop()刪除行列的操作方法

    Python drop()刪除行列的操作方法

    這篇文章主要介紹了Python drop()刪除行列的操作方法,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2023-04-04
  • Python實現(xiàn)扣除個人稅后的工資計算器示例

    Python實現(xiàn)扣除個人稅后的工資計算器示例

    這篇文章主要介紹了Python實現(xiàn)扣除個人稅后的工資計算器,涉及Python流程控制與數(shù)學(xué)運(yùn)算相關(guān)操作技巧,需要的朋友可以參考下
    2018-03-03
  • conda使用清華源設(shè)置channel的鏡像

    conda使用清華源設(shè)置channel的鏡像

    今天在下載OpenCV的時候發(fā)現(xiàn)清華的conda channel鏡像已經(jīng)不能用了,conda需要設(shè)置的源是anaconda的源,本來就來介紹一下在conda使用清華源設(shè)置channel的鏡像的方法,感興趣的可以了解一下
    2021-05-05
  • TensorFlow:將ckpt文件固化成pb文件教程

    TensorFlow:將ckpt文件固化成pb文件教程

    今天小編就為大家分享一篇TensorFlow:將ckpt文件固化成pb文件教程,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • python并發(fā)編程多進(jìn)程 模擬搶票實現(xiàn)過程

    python并發(fā)編程多進(jìn)程 模擬搶票實現(xiàn)過程

    這篇文章主要介紹了python并發(fā)編程多進(jìn)程 模擬搶票實現(xiàn)過程,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-08-08
  • 基于Python編寫一個監(jiān)控CPU的應(yīng)用系統(tǒng)

    基于Python編寫一個監(jiān)控CPU的應(yīng)用系統(tǒng)

    在使用電腦辦公時,有時候不知道哪些軟件或進(jìn)程會占用大量的資源,導(dǎo)致進(jìn)行其他任務(wù)時出現(xiàn)變慢、卡頓等現(xiàn)象。因此,實時監(jiān)控系統(tǒng)的資源就變得非常重要。本文用Python編寫了一款超治愈的RunCat監(jiān)控應(yīng)用系統(tǒng),需要的可以參考一下
    2022-06-06
  • Python 十大特性

    Python 十大特性

    這篇文章主要給大家分享的是Python十大特性,Python 編程語言是世界上發(fā)展最快的編程語言。這一高級通用編程語言提供了廣泛的實際應(yīng)用,并且是一種非常流行的認(rèn)證,下面我們就來看看它都有哪些特性吧
    2022-01-01
  • python如何將圖片批量保存至word文檔中

    python如何將圖片批量保存至word文檔中

    這篇文章主要介紹了python如何將圖片批量保存至word文檔中問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-02-02
  • python自然語言處理之字典樹知識總結(jié)

    python自然語言處理之字典樹知識總結(jié)

    這篇文章主要介紹了python自然語言處理之字典樹知識總結(jié),文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們有非常好的幫助,需要的朋友可以參考下
    2021-04-04

最新評論