FP-Growth算法之频繁项集的挖掘(python)
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:
#coding=utf-8
import tree_builder
import copy
class Tree_miner(object):
"""tree_miner类. 作用:对Tree进行频繁项集的挖掘"""
def __init__(self, Tree=None, min_sup=-1, headerTable={}):
"""tree_miner的初始化. Tree即为构造好的FP_Tree, min_sup是最小支持度计数, headerTable是FP_Tree的头结点表"""
self.min_sup = min_sup
self.tree_mining(Tree=Tree, headerTable=headerTable)
def tree_mining(self, Tree, A=[], headerTable={}):
"""功能: 递归实现对树Tree频繁项集的挖掘. A相当于伪代码中的α,B相当于β"""
B = []
allElem = {} #用来保存单个路径情况时,路径上的全部节点
node = Tree.root #node取得树的根节点
while len(node.children) > 0: #推断是否是单个路径
if len(node.children) != 1: #假设路径上的某个节点的孩子数不止一个。则它不是单个路径
break
node = node.children.values()[0] #node取得下一个节点
allElem.setdefault(node.data,node.count) #记录路径上的节点。假设是单个路径的话会用到
if len(node.children) < 1: #Tree仅仅包括单个路径
L = self.getL(items=allElem, min_sup=self.min_sup, A=A) #L即为我们要求的频繁项集
self.showResult(L) #对结果进行输出
return
else:
for item in headerTable: #对于头结点表中的元素,逐个找以其结尾的频繁项集
if A: #产生项目集B
for elem in A:
if elem != []:
temp = copy.copy(elem)
B.append(temp)
B.append([item]+temp)
else:
B.append([item])
pattem,counts = self.findPattemBase(item, headerTable) #得到以项item结尾的所以条件模式基,counts存放条件模式基的计数
myHeaderTable = {}
conditionTree_builder = tree_builder.Tree_builder(routines=pattem, counts=counts, headerTable=myHeaderTable) #新建一个Tree_builder对象,用它来构造条件FP-Tree
if conditionTree_builder.tree.root.children: #假设构造的条件FP-树不空
self.tree_mining(Tree=conditionTree_builder.tree, A=B, headerTable=myHeaderTable) #递归调用
B = []
return
def findPattemBase(self, item, headerTable):
"""功能: 依据树的头结点表去搜索树中item的条件模式基"""
itemPattem = [] #存放项item的全部模式基
counts = [] #存放模式基的计数
addressTable = headerTable[item] #头节点表中item链上所以节点的地址
for itemNode in addressTable: #对头结点表表中存放的每一个item节点
itemInPattem = [] #用来存放item模式基中的各项
nodeInPattem = itemNode.parent #item模式基的项,用它来回溯到树根。即为一条模式基
if nodeInPattem.data == 'null': #假设父亲节点就是树根,则跳过
continue
while nodeInPattem.data != 'null': #假设还没到树根,则一直回溯
itemInPattem.append(nodeInPattem.data) #把它压进item的模式基
nodeInPattem = nodeInPattem.parent #让当前节点跳到它的父亲节点,进行回溯
itemInPattem = tuple(itemInPattem)
itemPattem.append(itemInPattem) #找完了一条item的模式基了
counts.append(itemNode.count) #模式基的计数
return itemPattem,counts
def showResult(self, result=[[]]):
"""功能: 将挖掘到的频繁项集进行展示"""
for elem in result:
num = elem.pop() #频繁项集的计数
print tuple(elem),':',num
return
def combiner(self, myList, n):
"""功能: 对list列表里的全部元素进行排列组合,生成n个元组组合在一起的列表"""
answers = []
one = [0] * n
def next_c(li = 0, ni = 0):
if ni == n:
answers.append(copy.copy(one))
return
for lj in xrange(li, len(myList)):
one[ni] = myList[lj]
next_c(lj + 1, ni + 1)
next_c()
return answers
def findMinimum(self, items, elem):
"""功能: 依据items字典找出elem列表中各项计数的最小值"""
minimum = items[elem[0]]
for a in elem:
if items[a] < minimum: #假设某元素的计数更小,则记录它的计数
minimum = items[a]
return minimum
def getL(self, items, min_sup=-1, A=[]):
"""功能: 对于仅仅含单路径的树,进行生成频繁项集"""
tempResult = []
finnalResult = []
nodes = items.keys() #取得items字典的键,即单路径上的全部节点
for i in range(1,len(nodes)+1): #对nodes。即路径上的全部节点生成各种组合
tempResult += self.combiner(myList=nodes, n=i)
for elem in tempResult[::-1]: #elem逆序对dearResult訪问,由于接下来会删除元素,逆序好操作
elemMinimum = self.findMinimum(items, elem) #找出elem里面的最小计数
if elemMinimum < min_sup: #假设组合elem的最小计数小于最小支持度计数。则删除.
tempResult.remove(elem)
else: #否则把它压入结果列表中进行输出。但它仅仅是条件模式基,要加上最后一个项构成频繁项集,同一时候把最小计数也加上
for Aelem in A: #A可能含有多项
if Aelem:
temp = elem
temp += Aelem
temp.append(elemMinimum)
finnalResult.append(temp) #将挖掘出的频繁项集保存在finnalResult列表
return finnalResult
备注:该代码是在 Python2.7+eclipse 环境下编写的。可在eclipse中导入项目,也可在命令行窗体用python命令运行“__init__.py”文件。
转载请注明出处,谢谢!
(原文链接:http://blog.csdn.net/bone_ace/article/details/46747791)