FP_growth算法是韩家炜老师在2000年提出的关联分析算法，该算法和Apriori算法最大的不同有两点：
第一，不产生候选集，第二，只需要两次遍历数据库，大大提高了效率，用31646条测试记录，最小支持度是2%，
用Apriori算法要半个小时但是用FP_growth算法只要6分钟就可以了，效率非常明显。
它的核心是FP_tree，一种树型数据结构，特点是尽量把相同元素用一个节点表示，这样就大大减少了空间，和birch算法有类似的思想。还是以如下数据为例。
每一行表示一条交易，共有9行，既9笔交易，左边表示交易ID，右边表示商品名称。最小支持度是22%，那么每件商品至少要出现9*22%=2次才算频繁。第一次扫描数据库，统计每件商品出现的次数，按次数对各个商品递减排序，有：
。然后第二次扫描数据库，在每条交易中按此种顺序给商品排序，如果有某个商品出现的次数小于阈值2，则删除该商品，有：
剩下的就是构造FP_tree了，这是核心，树的每个节点的结构体如下：
//FP-tree的存储结构
typedef struct CSNode{
//商品编号
int item;
//次数
int count;
//父节点，孩子节点，兄弟节点
CSNode *parent,*firstchild,*nextsibling;
//相同商品的前驱，后继节点，方便将相同商品的节点连接起来,根节点的直接孩子节点的这两个指针都是空
CSNode *pre,*next;
}*CSTree;
其中item,*firstchild,*nextsibling是树这个结构体常用的属性。count记录商品item出现的次数，*parent是为了方便从叶子节点逆向访问根节点而设置的。*pre,*next的注释已经很清楚了。构造树的原则是：将每条记录看做一个从根节点到叶子节点的路径，如果某个商品在节点中已经存在了，则对应count计数器加1，相当于所有的前缀都要加1,如果不存在则在该条记录的后面商品开辟一条新的路径。下面一条一条记录演示怎么构造FP_tree。
第三次访问数据库，构造FP_tree。第一条记录：I2,I1,I5，有：
父节点没有表示出来，根节点是空节点。2:1表示商品2出现了1次，其他表示类推。左边的数组按照商品顺序递减排列，保存了各个商品的当前指针，目的是为了在后面找到相同的后缀，将相同的商品用单项箭头虚线连起来，实际是双向链表链接的，并且将此时的节点商品1和节点商品5保存为商品1和商品5的当前指针，而对于商品2，商品3，商品4的当前指针还在左边的数组中保存。注意根节点的直接孩子不用连起来，后面会讲理由。第二条记录：I2,I4，有：
该记录和第一条记录共用前缀I2,所以商品2的次数要加1，而商品4则作为商品2的一个新孩子节点，这里没有把兄弟节点画出来。并且左边商品4要指向该节点，此时商品4的当前指针指向节点商品4。第三条记录：I2,I3,类似，结果是：
第四条记录：I2,I1,I4有：
当添加完商品4后，商品4的当前指针要指向新的节点商品4，此时两条红色的虚线就把以商品4为后缀的节点连起来了。第5条记录：I1,I3,有：
商品1由于和根节点的所有直接子孩子（这里只有商品2这个子孩子）不同，因此要另外开辟一条路径。商品3的当前指针要指向新的节点商品3，如图中的黄色虚线所指，到这里体现了构造FP_tree的一般性了。再把剩下的记录都加进来，最终的FP_tree是：
这颗FP_tree最大程度的把相同的商品放在用同一个节点保存，最大限度的节省了空间。剩下的工作就是挖掘这颗FP_tree了。
挖掘的目的是找出FP_tree的各个路径中相同的集合，有两中方式，方式一，从根节点朝叶子节点顺着遍历树，方式二，从叶子节点朝根节点逆着遍历树。想想方式一挺麻烦的，幸亏我们设置了*parent指针，通过它就可以很方便的用方式二。我们从商品出现次数由少到多的顺序开始遍历树，先从商品5开始，由于有*pre,*next指针分方便将所有以商品5做为叶子节点的路径全找出来，然后再根据*parent指针找到父节点，根节点是空不用找。以I5做元素的条件模式基是：{(I2 I1:1),(I2 I1 I3:1)}。后面的1表示出现商品I2,I1,I5同时出现的次数。现在解释为什么：根节点的直接孩子不用*pre,*next指针连起来，因为假如连起来的话，那么以它为后缀时，将没有前缀，也就是说它的频繁项集是1，这在大多数情况下没意义。由它构造出条件FP_tree，注意由于开始按照商品名称排序了，那么条件模式基中的每一项也会按照这种方式排序。如果条件模式基中某项A是另外一项B的子集那么在算B时，要将A出现的次数加上，实现这个功能最简单明了的方法就是一一匹配，假如条件模式基共有N项，则时间复杂度是N的平方，若先按照条件模式基的长度递增排序得到：{(I2 I1:1),(I2 I1 I3:1)}，排序的时间复杂度是N*log(N),那么只有可能是长度短的项是长度长的项的子集，此时总匹配次数是：N-1 + N-2 + ,,, + 1 = N*(N-1)/2,和前面的排序时间加起来是：N*log(N) + N*(N-1)/2当N大于时4时，该值小于N的平方。在实际中N一般会大于4。最终我们得到以I5作为后缀的频繁项集是：{I2 I5:2},{I1 I5:2},{I2 I1 I5:2}他们出现的次数都大于等于最小支持度。类似可以得到其它后缀的频繁项集。
FP_growth算法不产生候选序列，并且只需要3次遍历数据库，对比Apriori算法而言有了很大的改进。其实想想这也符合历史发展的规律，Apriori在1993年才提出来的，那是数据挖掘才刚起步，而到2000年时，已经有了一定的发展，FP_growth是站在Apriori的肩膀上发明的，这种现象具有普遍性。
FP—growth代码实现部分
主程序部分
package DataMining_FPTree;
/**
* FPTree频繁模式树算法
* 一个使用的这个算法的用例是输入一个单词或者单词的一部分，搜索引擎就会自动 补全查询词项，通过查看互联网上的用词来找出经常在一块出现的词对（使用Aporior算法也是找出经常出现的词对，这两种方法都是无监督学习），这需要一种发现频繁集的方法
* @author clj
*
*/
public class Client {
public static void main(String[] args){
//这里使用的是输入文件的绝对路径
String filePath="E:\\code\\data mining\\DataMining_FPTree\\src\\DataMining_FPTree\\testInput.txt";
//最小支持度阈值
int minSupportCount = 2;
//构造函数
FPTreeTool tool = new FPTreeTool(filePath, minSupportCount);
//调用构建树
tool.startBuildingTree();
}
}
树节点的数据结构
package DataMining_FPTree; import java.util.ArrayList; /**
* FP树节点
* 这里使用Comparable的原因是因为每个项集要进行排序
* 按照节点的count来排序
* @author clj
*
*/
public class TreeNode implements Comparable<TreeNode>, Cloneable{
// 节点类别名称
private String name;
// 计数数量
private Integer count;
// 父亲节点，这个节点的用法是根据给定叶子节点上溯到整棵树，这时就需要指向父节点
private TreeNode parentNode;
// 孩子节点，可以为多个
private ArrayList<TreeNode> childNodes; public TreeNode(String name, int count){
this.name = name;
this.count = count;
} public String getName() {
return name;
} public void setName(String name) {
this.name = name;
} public Integer getCount() {
return count;
} public void setCount(Integer count) {
this.count = count;
} public TreeNode getParentNode() {
return parentNode;
} public void setParentNode(TreeNode parentNode) {
this.parentNode = parentNode;
} public ArrayList<TreeNode> getChildNodes() {//孩子节点可能不止一个，所以需要用list来保存
return childNodes;
} public void setChildNodes(ArrayList<TreeNode> childNodes) {
this.childNodes = childNodes;
} @Override
public int compareTo(TreeNode o) {
// TODO Auto-generated method stub
return o.getCount().compareTo(this.getCount());
} @Override
protected Object clone() throws CloneNotSupportedException {//如果想重写父类的方法，比如toString()方法的话，在方法前面加上@Override 系统可以帮你检查方法的正确性，
// TODO Auto-generated method stub
//因为对象内部有引用，需要采用深拷贝，这里就相当于是一个深度优先搜索,这里的clone相当于没有用
//System.out.println("The name="+this.getName()); TreeNode node = (TreeNode)super.clone();
if(this.getParentNode() != null){
node.setParentNode((TreeNode) this.getParentNode().clone());
} if(this.getChildNodes() != null){
node.setChildNodes((ArrayList<TreeNode>) this.getChildNodes().clone());
} return node;
} }
程序的主要部分FPTreeTool
package DataMining_FPTree; import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Map.Entry; /**
* FPTree算法工具类
* 与Apriori算法不同的是FP树需要将非频繁项移除并且重排序
* @author clj
*
*/
public class FPTreeTool {
// 输入数据文件位置
private String filePath;
// 最小支持度阈值
private int minSupportCount;
// 所有事物ID记录
private ArrayList<String[]> totalGoodsID;
// 各个ID的统计数目映射表项，计数用于排序使用，用于项集
private HashMap<String, Integer> itemCountMap;
//后面的成员方法中并没有重新定义成员变量，所以成员函数中可以改变的成员变量的值 public FPTreeTool(String filePath, int minSupportCount) {
this.filePath = filePath;
this.minSupportCount = minSupportCount;
readDataFile();
} /**
* 从文件中读取数据,至此还没有对数据进行排序
*/
private void readDataFile() {
File file = new File(filePath);
ArrayList<String[]> dataArray = new ArrayList<String[]>(); try {
BufferedReader in = new BufferedReader(new FileReader(file));//这一句话相当于新建了两个对象
String str;
String[] tempArray;
while ((str = in.readLine()) != null) {
tempArray = str.split(" ");
dataArray.add(tempArray);
}
in.close();
} catch (IOException e) {
e.getStackTrace();
} String[] temp;
int count = 0;
itemCountMap = new HashMap<>();//之所以使用会使用hashMap的形式是因为后面会更改key所对应的value的值，时间复杂度小
totalGoodsID = new ArrayList<>();//totalGoodsId只需要将其保存在矩阵中
for (String[] a : dataArray) {
temp = new String[a.length - 1];
System.arraycopy(a, 1, temp, 0, a.length - 1);//和Apriori算法一样第一个保存的是第几笔记录
totalGoodsID.add(temp);
for (String s : temp) {
if (!itemCountMap.containsKey(s)) {
count = 1;
} else {
count = ((int) itemCountMap.get(s));
// 支持度计数加1
count++;
}
// 更新表项，如果有key s，则直接更新，否则创建
itemCountMap.put(s, count);
}
}
System.out.println("name="+itemCountMap.keySet()+" count="+itemCountMap.values()); } /**
* 根据事务记录构造FP树
* 当suffixPattern不为空的时候，建立的就是条件FP树
* surffixPatter是后缀模式
*/
private void buildFPTree(ArrayList<String> suffixPattern,
ArrayList<ArrayList<TreeNode>> transctionList) { // 设置一个空根节点
TreeNode rootNode = new TreeNode(null, 0);
int count = 0;
// 节点是否存在
boolean isExist = false;
ArrayList<TreeNode> childNodes;
ArrayList<TreeNode> pathList;
// 相同类型节点链表，用于构造的新的FP树
HashMap<String, ArrayList<TreeNode>> linkedNode = new HashMap<>();//每个节点的LinkNode
HashMap<String, Integer> countNode = new HashMap<>();
// 根据事务记录，一步步构建FP树，逐个读入事务记录，并把每个事务映射到FP树中的一条路径中
for (ArrayList<TreeNode> array : transctionList) {
TreeNode searchedNode;//TreeNode节点中每个项集中应该是只有一个元素
pathList = new ArrayList<>();//在构建的时候，将读入的每个项集添加到一条已经存在的路径中
/*
System.out.print("array=");
for(int i=0;i<array.size();i++)
System.out.print("\t"+array.get(i).getName());
System.out.println();
*/
for (TreeNode node : array) {//array保存的是FP中的一条路径
pathList.add(node);//pathList开始为空，在事务中读到一个节点就把它放到pathList中
//System.out.println("正在处理的节点node="+node.getName()+" count="+node.getCount());
//System.out.println("before keySets="+countNode.keySet()+"count="+countNode.values());
nodeCounted(node, countNode);//countNode是一个HashMap类型，初始时为一个空的HashMap，在读事务过程中依次进行修改
//System.out.println("after keySets="+countNode.keySet()+"count="+countNode.values());
/*System.out.print("pathList=");
for(int i=0;i<pathList.size();i++)
System.out.print("\t"+pathList.get(i).getName());
System.out.println();
*/
searchedNode = searchNode(rootNode, pathList);//这里只是查找，不会影响count的变化
childNodes = searchedNode.getChildNodes(); if (childNodes == null) {//如果正好找到路径中的结尾，则直接加入到结尾
//System.out.println("找到了对应的叶节点，在叶节点下存储");
childNodes = new ArrayList<>();
childNodes.add(node);
searchedNode.setChildNodes(childNodes);
node.setParentNode(searchedNode);
nodeAddToLinkedList(node, linkedNode);
} else {
isExist = false;
for (TreeNode node2 : childNodes) {
// 如果找到名称相同，则更新支持度计数
//System.out.println("##############");
if (node.getName().equals(node2.getName())) {
//System.out.println("在父节点下找到了对应的节点");
count = node2.getCount() + node.getCount();
node2.setCount(count);
// 标识已找到节点位置
isExist = true;
break;
}
} if (!isExist) {
// 如果没有找到，需添加子节点
//System.out.println("&没有在父节点下找到了对应的节点");
childNodes.add(node);
node.setParentNode(searchedNode);
nodeAddToLinkedList(node, linkedNode);
}
}
//System.out.println("countNode.key="+countNode.keySet()+" value="+countNode.values()); /*Iterator<Entry<String, ArrayList<TreeNode>>> it = linkedNode.entrySet().iterator();
while( it.hasNext())
{
Map.Entry<String, ArrayList<TreeNode>> entry = it.next();
String key = entry.getKey();
ArrayList<TreeNode> values=(ArrayList<TreeNode>)entry.getValue();
for(TreeNode value:values)
{
System.out.print(" linkedNode.name="+value.getName()+"\tLinkedNode.count="+value.getCount());
}
System.out.println();
//TreeNode tempNode= entry.getValue().get(i);
}*/ }
} // 如果FP树已经是单条路径，则输出此时的频繁模式
if(suffixPattern!=null)
{
System.out.println("suffixPattern.size="+suffixPattern.size());
for(int i=0;i<suffixPattern.size();i++)
System.out.print(suffixPattern.get(i)+"\t ");
System.out.println();
}
else
System.out.println("suffixPattern.size=0");
if (isSinglePath(rootNode)) {
System.out.println("issinglePath-------");
printFrequentPattern(suffixPattern, rootNode); } else {
ArrayList<ArrayList<TreeNode>> tList;
ArrayList<String> sPattern;
if (suffixPattern == null) {
sPattern = new ArrayList<>();
} else {
// 进行一个拷贝，避免互相引用的影响
sPattern = (ArrayList<String>) suffixPattern.clone();
} // 利用节点链表构造新的事务
for (Map.Entry entry : countNode.entrySet()) {
// 添加到后缀模式中
sPattern.add((String) entry.getKey());
System.out.println("entry.key="+entry.getKey()+"\tentry.value="+entry.getValue()); //获取到了条件模式机，作为新的事务
tList = getTransactionList((String) entry.getKey(), linkedNode); System.out.print("[后缀模式]：{");
for(String s: sPattern){
System.out.print(s + ", ");
}
System.out.print("}, 此时的条件模式基：");
for(ArrayList<TreeNode> tnList: tList){
System.out.print("{");
for(TreeNode n: tnList){
System.out.print(n.getName() + ", ");
}
System.out.print("}, ");
}
System.out.println();
// 递归构造FP树
buildFPTree(sPattern, tList);
// 再次移除此项，构造不同的后缀模式，防止对后面造成干扰
sPattern.remove((String) entry.getKey());
}
}
} /**
* 将节点加入到同类型节点的链表中
*
* @param node
* 待加入节点
* @param linkedList
* 链表图
*/
private void nodeAddToLinkedList(TreeNode node,
HashMap<String, ArrayList<TreeNode>> linkedList) {
String name = node.getName();
ArrayList<TreeNode> list; if (linkedList.containsKey(name)) {
list = linkedList.get(name);
// 将node添加到此队列末尾
list.add(node);
} else {
list = new ArrayList<>();
list.add(node);
linkedList.put(name, list);
}
} /**
* 根据链表构造出新的事务,根据name，得到以name为尾的各记录
*
* @param name
* 节点名称
* @param linkedList
* 链表
* @return
*/
private ArrayList<ArrayList<TreeNode>> getTransactionList(String name,
HashMap<String, ArrayList<TreeNode>> linkedList) {
ArrayList<ArrayList<TreeNode>> tList = new ArrayList<>();
ArrayList<TreeNode> targetNode = linkedList.get(name);
ArrayList<TreeNode> singleTansaction;
TreeNode temp;
System.out.println("#getTransaction中name="+name);
for (TreeNode node : targetNode) {
singleTansaction = new ArrayList<>(); temp = node;
while (temp.getParentNode().getName() != null) {
System.out.println("temp.name="+temp.getName()+"\tcount="+temp.getCount());
temp = temp.getParentNode(); singleTansaction.add(new TreeNode(temp.getName(), 1));
}
System.out.println("temp.name="+temp.getName()+"\tcount="+temp.getCount());
System.out.println("singleTansaction=");
for(int i=0;i<singleTansaction.size();i++)
{
System.out.println("("+singleTansaction.get(i).getName()+","+singleTansaction.get(i).getCount()+")");
}
System.out.println();
// 按照支持度计数得反转一下
Collections.reverse(singleTansaction); for (TreeNode node2 : singleTansaction) {
// 支持度计数调成与模式后缀一样
node2.setCount(node.getCount());
}
System.out.println("##singleTansaction=");
for(int i=0;i<singleTansaction.size();i++)
{
System.out.println("("+singleTansaction.get(i).getName()+","+singleTansaction.get(i).getCount()+")");
}
System.out.println(); if (singleTansaction.size() > 0) {
tList.add(singleTansaction);
}
} return tList;
} /**
* 节点计数
*
* @param node
* 待加入节点
* @param nodeCount
* 计数映射图
*/
private void nodeCounted(TreeNode node, HashMap<String, Integer> nodeCount) {
int count = 0;
String name = node.getName(); if (nodeCount.containsKey(name)) {
count = nodeCount.get(name);
count++;
} else {
count = 1;
} nodeCount.put(name, count);
} /**
* 显示决策树
*
* @param node
* 待显示的节点
* @param blankNum
* 行空格符，用于显示树型结构
*/
private void showFPTree(TreeNode node, int blankNum) {
System.out.println("￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥￥显示FPTree");
for (int i = 0; i < blankNum; i++) {
System.out.print("\t");
}
System.out.print("--");
System.out.print("--"); if (node.getChildNodes() == null) {//叶子节点
System.out.print("[");
System.out.print("I" + node.getName() + ":" + node.getCount());
System.out.print("]");
} else {
// 递归显示子节点
System.out.print("【" + node.getName() + "】");
for (TreeNode childNode : node.getChildNodes()) {
showFPTree(childNode, 2 * blankNum);
}
} } /**
* 待插入节点的抵达位置节点，从根节点开始向下寻找待插入节点的位置，返回待插入节点的父节点
*
* @param root
* @param list
* @return
*/
private TreeNode searchNode(TreeNode node, ArrayList<TreeNode> list) {
ArrayList<TreeNode> pathList = new ArrayList<>();
TreeNode tempNode = null;
TreeNode firstNode = list.get(0);
boolean isExist = false;
// 重新转一遍，避免出现同一引用
for (TreeNode node2 : list) {
pathList.add(node2);
}
//System.out.println("待插入的节点：name="+node.getName()+" count="+node.getCount());
/*for(int i=0;i<list.size();i++)
System.out.print("\t("+list.get(i).getName()+","+list.get(i).getCount()+")");
System.out.println();*/
// 如果没有孩子节点，则直接返回，在此节点下添加子节点，查找已构建树中的叶子节点
if (node.getChildNodes() == null) {
//System.out.println("此节点为叶子节点，为返回的节点，node.name="+node.getName()+" count="+node.getCount());
return node;
} for (TreeNode n : node.getChildNodes()) {
if (n.getName().equals(firstNode.getName()) && list.size() == 1) {//list中只有一个元素，即路径中的第一个元素
tempNode = node;
isExist = true;
//System.out.println("第一个元素恰好为要查找的节点，且节点长度为1");
break;
} else if (n.getName().equals(firstNode.getName())) {
// 还没有找到最后的位置，继续找，在查找的过程中时是正好匹配，从路径中消除
//System.out.println("#第一个元素恰好为要查找的节点，且节点长度不为1");
pathList.remove(firstNode);
tempNode = searchNode(n, pathList);//使用递归的形式去查询子节点
//System.out.println("￥￥￥返回节点：tempNode.name="+tempNode.getName()+" count="+tempNode.getCount());
return tempNode;
}
} // 如果没有找到，则新添加到孩子节点中
if (!isExist) {
//System.out.println("没有找到");
tempNode = node;
}
//System.out.println("@@@@返回节点：node.name="+tempNode.getName()+" count="+tempNode.getCount());
return tempNode;
} /**
* 判断目前构造的FP树是否是单条路径的
*
* @param rootNode
* 当前FP树的根节点
* @return
*/
private boolean isSinglePath(TreeNode rootNode) {
// 默认是单条路径
boolean isSinglePath = true;
ArrayList<TreeNode> childList;
TreeNode node;
node = rootNode;
//是使用循环而不是递归判断是否是单条路径
while (node.getChildNodes() != null) {
childList = node.getChildNodes();
if (childList.size() == 1) {
node = childList.get(0);
} else {
isSinglePath = false;
break;
}
} return isSinglePath;
} /**
* 开始构建FP树
*/
public void startBuildingTree() {
ArrayList<TreeNode> singleTransaction;//单条事务
ArrayList<ArrayList<TreeNode>> transactionList = new ArrayList<>();//事务总链
TreeNode tempNode;
int count = 0; for (String[] idArray : totalGoodsID) {
singleTransaction = new ArrayList<>();
for (String id : idArray) {
count = itemCountMap.get(id);
tempNode = new TreeNode(id, count);
singleTransaction.add(tempNode);
} // 根据支持度数的多少进行排序
Collections.sort(singleTransaction); /*System.out.println("singleTansaction as following:");
for(int i=0;i<singleTransaction.size();i++)
System.out.print("("+singleTransaction.get(i).getName()+","+singleTransaction.get(i).getCount()+")");
System.out.println();*/ for (TreeNode node : singleTransaction) {
// 支持度计数重新归为1,将事务路径节点的count设置为1
node.setCount(1);
}
/*System.out.println("singleTansaction");
for(int i=0;i<singleTransaction.size();i++)
System.out.print("***("+singleTransaction.get(i).getName()+","+singleTransaction.get(i).getCount()+")");
System.out.println();*/
transactionList.add(singleTransaction);
}
for(int i=0;i<transactionList.size();i++)
{
ArrayList<TreeNode> singleTransaction1=new ArrayList<>();
singleTransaction1=transactionList.get(i);
for(int j=0;j<singleTransaction1.size();j++)
{
System.out.print("("+singleTransaction1.get(j).getName()+","+singleTransaction1.get(j).getCount()+")");
}
System.out.println(); }
buildFPTree(null, transactionList);
} /**
* 输出此单条路径下的频繁模式
*
* @param suffixPattern
* 后缀模式
* @param rootNode
* 单条路径FP树根节点
*/
private void printFrequentPattern(ArrayList<String> suffixPattern,
TreeNode rootNode) {
ArrayList<String> idArray = new ArrayList<>();
TreeNode temp;
temp = rootNode;
// 用于输出组合模式
int length = 0;
int num = 0;
int[] binaryArray; while (temp.getChildNodes() != null) {
temp = temp.getChildNodes().get(0); // 筛选支持度系数大于最小阈值的值，P(A)>P(AB),若P(A)<阈值，则删除这个节点即不添加到里面
if (temp.getCount() >= minSupportCount) {
idArray.add(temp.getName());
}
} length = idArray.size();
num = (int) Math.pow(2, length);
for (int i = 0; i < num; i++) {
binaryArray = new int[length];
numToBinaryArray(binaryArray, i); // 如果后缀模式只有1个，不能输出自身
if (suffixPattern.size() == 1 && i == 0) {
continue;
} System.out.print("频繁模式：{【后缀模式：");
// 先输出固有的后缀模式
if (suffixPattern.size() > 1
|| (suffixPattern.size() == 1 && idArray.size() > 0)) {
for (String s : suffixPattern) {
System.out.print(s + ", ");
}
}
System.out.print("】");
// 输出路径上的组合模式
for (int j = 0; j < length; j++) {
if (binaryArray[j] == 1) {
System.out.print(idArray.get(j) + ", ");
}
}
System.out.println("}");
}
} /**
* 数字转为二进制形式
*
* @param binaryArray
* 转化后的二进制数组形式
* @param num
* 待转化数字
*/
private void numToBinaryArray(int[] binaryArray, int num) {
int index = 0;
while (num != 0) {
binaryArray[index] = num % 2;
index++;
num /= 2;
}
} }
readDataFile从文件中读取数据，
buildFPTree(ArrayList<String> suffixPattern,ArrayList<ArrayList<TreeNode>> transctionList)构建FP树（包括FP条件树），当suffixpatter不为空的时候构建的就是FP条件树，
nodeAddToLinkedList(TreeNode node,HashMap<String, ArrayList<TreeNode>> linkedList)，和邻接表类似，某个Node在树中出现的位置保存在linkedList中
private ArrayList<ArrayList<TreeNode>> getTransactionList(String name,HashMap<String, ArrayList<TreeNode>> linkedList）得到还有name节点的交易记录
nodeCounted(TreeNode node, HashMap<String, Integer> nodeCount)因为最后交易记录是以节点的计数多少进行排序的，这一个记录node在所有记录中出现的次数，同一条事务其实是没有先后顺序的，为了把树尽可能的减小才这样进行排序的
showFPTree(TreeNode node, int blankNum) 展示树
private TreeNode searchNode(TreeNode node, ArrayList<TreeNode> list) 要插入的节点在树中应该插入到哪个节点的下面呢，这里返回的是待插入节点的父节点
printFrequentPattern(ArrayList<String> suffixPattern,TreeNode rootNode)输出单条路径下的频繁模式，
常见的频繁项集挖掘算法有两类，一类是Apriori算法，另一类是FPGrowth。Apriori通过不断的构造候选集、筛选候选集挖掘出频繁项集，需要多次扫描原始数据，当原始数据较大时，磁盘I/O次数太多，效率比较低下。FPGrowth算法则只需扫描原始数据两遍，通过FP-tree数据结构对原始数据进行压缩，效率较高。
也许有人会问?如果这个数据库足够大,以至于构造的FP树大到无法完全保存在内存中,这该如何是好.这的确是个问题. Han Jiawei在论文中也给出了一种思路,就是通过将原来的大的数据库分区成几个小的数据库(这种小的数据库称之为投射数据库),对这几个小的数据库分别进行FP Growth算法.
还是拿上面的例子来说事,我们把包含p的所有数据库记录都单独存成一个数据库,我们称之为p-投射数据库,类似的m,b,a,c,f我们都可以生成相应的投射数据库,这些投射数据库构成的FP树相对而言大小就小得多,完全可以放在内存里.
在现代数据挖掘任务中,数据量越来越大,因此并行化的需求越来越大,上面提出的问题也越来越迫切.下一篇博客,博主将分析一下,FP Growth如何在MapReduce的框架下并行化.
[1]Mining Frequent Patterns without Candidate Gen