机器学习（十一）：FP增长（FP-growth）
作者：互联网
四、代码实现（python）
以下代码来自Peter Harrington《Machine Learing in Action》
代码如下（保存为fpGrowth.py)：
# -- coding: utf-8 --
class treeNode:
# FP树中节点的类定义，用于构建FP树
def __init__(self, nameValue, numOccur, parentNode):
self.name = nameValue # 节点名字
self.count = numOccur # 计数值
self.nodeLink = None # 链接相似的元素项
self.parent = parentNode # 指向当前节点的父节点
self.children = {} # 存放节点的子节点
def inc(self, numOccur):
# 对count变量增加给定值
self.count += numOccur
def disp(self, ind=1):
# 用于将树以文本形式显示
print ' '*ind, self.name, ' ', self.count
for child in self.children.values():
child.disp(ind+1)
def loadSimpDat():
# 数据集
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):
# 对数据集进行格式化处理
retDict = {}
for trans in dataSet:
retDict[frozenset(trans)] = 1
return retDict
def createTree(dataSet, minSup=1):
# 该函数用于创建FP树
# 该函数接收两个参数，分别是格式化后的数据集和需满足的最小支持度计数
headerTable = {} # 存储头指针
for trans in dataSet:
# 循环每一个事务
for item in trans:
# 循环事务中的每一个元素，存储各元素的支持度计数
headerTable[item] = headerTable.get(item, 0) + dataSet[trans]
# 移除不满足最小支持度计数的元素项
for k in headerTable.keys():
if headerTable[k] < minSup:
del(headerTable[k])
freqItemSet = set(headerTable.keys()) # 存储删除后的元素项，即频繁项
if len(freqItemSet) == 0: return None, None # 如果没有元素项满足要求，则退出
# 对头指针表扩展，以便可以保存计数值及指向每种类型第一个元素项的指针
for k in headerTable:
headerTable[k] = [headerTable[k], None]
retTree = treeNode('Null Set', 1, None) # 创建只包含空集合的根节点
for tranSet, count in dataSet.items(): # 第二次遍历数据集，tranSet为各事务，count为初始化的计数值
localD = {}
for item in tranSet:
if item in freqItemSet: # 如果该元素项为频繁项，则可继续操作
localD[item] = headerTable[item][0] # 将第一次遍历得到的支持度计数赋值給相应元素
if len(localD) > 0:
orderedItems = [v[0] for v in sorted(localD.items(), key=lambda p: p[1], reverse=True)] # 获取元素项，并按支持度计数高到低排序
updateTree(orderedItems, retTree, headerTable, count)
return retTree, headerTable
def updateTree(items, inTree, headerTable, count):
# 该函数接收4个参数，分别为已排序好的元素项、FP树、头指针表、对应计数值
if items[0] in inTree.children:
# 如果该元素是作为子节点存在，则更新该元素的计数
inTree.children[items[0]].inc(count)
else:
# 否则，创建一个新的treeNode并将其作为一个字节点添加到树中
inTree.children[items[0]] = treeNode(items[0], count, inTree)
if headerTable[items[0]][1] == None:
# 若头指针为空，更新头指针为树的子节点
headerTable[items[0]][1] = inTree.children[items[0]]
else:
# 若头指针有值，更新头指针的nodeLink
updateHeader(headerTable[items[0]][1], inTree.children[items[0]])
if len(items) > 1:
# 对剩下的元素进行迭代调用自身
updateTree(items[1::], inTree.children[items[0]], headerTable, count)
def updateHeader(nodeToTest, targetNode):
# 该函数用于更新头指针
# 该函数接收2个参数，分别是待更新的位置和需更新的值
while (nodeToTest.nodeLink != None):
nodeToTest = nodeToTest.nodeLink # 循环至链表尾端为None
nodeToTest.nodeLink = targetNode
def ascendTree(leafNode, prefixPath):
# 该函数用于递归上溯整颗树
if leafNode.parent != None:
prefixPath.append(leafNode.name)
ascendTree(leafNode.parent, prefixPath)
def findPrefixPath(basePat, treeNode):
# 该函数用于为给定元素项生成一个前缀路径
# 该函数接收2个参数，分别是给定元素项和头指针表纪录的该元素的相似项路径
condPats = {}
while treeNode != None:
prefixPath = []
ascendTree(treeNode, prefixPath)
if len(prefixPath) > 1:
condPats[frozenset(prefixPath[1:])] = treeNode.count
treeNode = treeNode.nodeLink
return condPats
def mineTree(inTree, headerTable, minSup, preFix, freqItemList):
# 该函数用于将前缀路径转化为条件FP树
# 该函数接收5个参数，分别是FP树、头指针表、需满足最小支持度计数、前缀路径、频繁项集
bigL = [v[0] for v in sorted(headerTable.items(), key=lambda p: p[1])] # 将频繁1-项集的元素按支持度计数低到高排序
for basePat in bigL:
newFreqSet = preFix.copy()
newFreqSet.add(basePat)
freqItemList.append(newFreqSet)
condPattBases = findPrefixPath(basePat, headerTable[basePat][1]) # 获取basePat的前缀路径
myCondTree, myHead = createTree(condPattBases, minSup) # 根据给定的前缀路径构建FP树
if myHead != None:
# 递归直到该元素的前缀路径为空
print 'conditonal tree for:', newFreqSet
myCondTree.disp(1)
mineTree(myCondTree, myHead, minSup, newFreqSet, freqItemList)
标签：FP,十一,None,items,self,count,growth,def,headerTable 来源： https://www.cnblogs.com/pengfeiz/p/11393051.html