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。
更多关联分析和Apriori算法的信息请见：什么是关联分析、Apriori算法的介绍。
正言：
我们还是用购物篮的数据：
TID Items 001 Cola, Egg, Ham 002 Cola, Diaper, Beer 003 Cola, Diaper, Beer, Ham 004 Diaper, Beer TID代表交易流水号，Items代表一次交易的商品。
首先，FP-Growth算法的任务是找出数据集中的频繁项集。
然后，FP-Growth算法的步骤，大体上可以分成两步：(1)FP-Tree的构建； (2)FP-Tree上频繁项集的挖掘。
FP-Tree的构造：
- 扫描一遍数据库，找出频繁项的列表 L，按照支持度计数递减排序。即：
L = <(Cola:3), (Diaper:3), (Beer:3), (Ham:2)>
- 再次扫描数据库，由每个事务不断构建FP-Tree：
①FP-Tree的根节点为 null 。
②从数据库中取出事务，按照 L 排序，然后把每个项逐个添加到FP-Tree的分枝上去。例如，事务001排序后为{Cola, Ham}，在根节点上加一棵子树Cola-Ham。事务002排序后为{Cola, Diaper, Beer}，因为根节点上已经有个子树节点“Cola”，所以可以共用该节点，在Cola节点上加一棵子树Diaper-Beer，同时Cola的计数加1。事务003可与树共用节点Cola-Diaper-Beer，所以只需在Beer后面加个子树节点“Ham”，同时把Cola、Diaper、Beer的计数加 1 即可。·········
- FP-Tree还有一样东西：头结点表。作用是将所有相同的项链接起来，这样比较容易遍历。
最后得到的FP-Tree如下：
构造FP-Tree的伪代码如下：
算法：FP-Tree构造算法
输入：事务数据集 D，最小支持度阈值 min_sup
输出：FP-Tree
(1) 扫描事务数据集 D 一次，获得频繁项的集合 F 和其中每个频繁项的支持度。对 F 中的所有频繁项按其支持度进行降序排序，结果为频繁项表 L ;
(2) 创建一个 FP-Tree 的根节点 T，标记为“null”;
(3) for 事务数据集 D 中每个事务 Trans do
(4) 对 Trans 中的所有频繁项按照 L 中的次序排序;
(5) 对排序后的频繁项表以 [p|P] 格式表示，其中 p 是第一个元素，而 P 是频繁项表中除去 p 后剩余元素组成的项表;
(6) 调用函数 insert_tree( [p|P], T );
(7) end for
insert_tree( [p|P], root)
(1) if root 有孩子节点 N and N.item-name=p.item-name then
(2) N.count++;
(3) Else
(4) 创建新节点 N;
(5) N.item-name=p.item-name;
(6) N.count++;
(7) p.parent=root;
(8) 将 N.node-link 指向树中与它同项目名的节点;
(9) end if
(10) if P 非空 then
(11) 把 P 的第一项目赋值给 p，并把它从 P 中删除;
(12) 递归调用 insert_tree( [p|P], N);
(13) end if
从FP-Tree提取频繁项集：
这一步骤稍微比较难理解一点，求解以某个项为后缀的频繁项集分成两步：找出它的条件模式基；根据条件模式基构造它的条件FP-树。出现了几个新名词，下面直接针对购物篮的FP-Tree进行讲解吧。
求以“Ham”为后缀的频繁项集：
- 根据头结点表找出“Ham”结尾的路径：<Cola:3, Ham:1> 和<Cola:3, Diaper:2, Beer:2, Ham:1>，代表的意义是 原数据集中(Cola, Ham)和(Cola, Diaper, Beer, Ham)各出现了一次。
- “Ham”的两个前缀路径{(Cola:1), (Cola Diaper Beer:1)}构成了“Ham”的条件模式基。
- 根据条件模式基构建“Ham”的条件FP-树：因为在Ham的条件模式基中 Diaper、Beer 只出现了一次，Coal 出现了两次，所以 Diaper、Beer 是非频繁项，不包含在Ham的条件FP-树中。
- “Ham”的条件FP-树只有一个分支<Cola:2>，得到条件频繁项集 {Cola:2}。
- 条件频繁项集 {Cola:2} 和后缀模式“Ham”合并，得到频繁项集 {Cola Ham:2}。
求以“Beer”为后缀的频繁项集：
- “Beer”的条件模式基有{(Cola Diaper:2), (Diaper:1)}。
- “Beer”的条件FP-树如下。
- “Beer”为后缀的频繁项集为 {Cola Diaper Beer:2}、{Diaper Beer:2}、{Cola Beer:2}
求以“Diaper”为后缀的频繁项集：
条件模式基为{(Cola:2)}，最后求得频繁项集为{Cola Diaper:2}。
综上，得到的频繁项集有：{Cola Ham:2}、{Cola Beer:2}、{Diaper Beer:2}、{Cola Diaper:2}、{Cola Diaper Beer:2}。
从FP-Tree提取频繁项集的伪代码如下：
算法：FP-Growth(FP-Tree, α);
输入：已经构造好的 FP-Tree，项集 α（初值为空），最小支持度 min_sup;
输出：事务数据集 D 中的频繁项集 L;
(1) L 初值为空
(2) if Tree 只包含单个路径 P then
(3) for 路径 P 中节点的每个组合（记为 β） do
(4) 产生项目集 α∪β，其支持度 support 等于 β 中节点的最小支持度数;
(5) return L = L ∪ 支持度数大于 min_sup 的项目集 β∪α
(6) else //包含多个路径
(7) for Tree 的头表中的每个频繁项 αf do
(8) 产生一个项目集 β = αf∪α，其支持度等于 αf 的支持度;
(9) 构造 β 的条件模式基 B，并根据该条件模式基 B 构造 β 的条件 FP- 树 Treeβ;
(10) if Treeβ≠Φ then
(11) 递归调用 FP-Growth(Treeβ, β);
(12) end if
(13) end for
(14) end if
(15) 产生一个模式 β = ai∪α, 其支持度 support = ai.support;
(16) 构造 β 的条件模式基，然后构造 β 的条件 FP-树 Treeβ;
(17) if Treeβ≠Φ then
(18) 调用 FP-Growth(Treeβ, β);
(19) }