FP-Growth算法原代码

FP-growth算法在python中的实现，代码亲测可用，如果有 类似：'ascii' codec can't decode byte 0xe8 in position 0 的报错，请修改fpgrowth.py中的CreatFPtree中的下面两种： orderedItem = [v[0] for v in sorted(localD.iteritems(), key=lambda p:(p[1], -ord(p[0])), reverse=True)] # orderedItem = [v[0] for v in sorted(localD.iteritems(), key=lambda p:(p[1], int(p[0])), reverse=True)]

基于《机器学习实战》中FP-Growth的代码修改形成的频繁项集挖掘函数FP_Growth（），可显示各频繁项集的支持度；同时，还包括关联规则发现函数findRules（）。

关联分析：FP-Growth算法

主要用于大数据关联性挖掘，基于Python环境

关联规则挖掘中有几个经典算法，Apriori算法因为其效率比较低，时间复杂度很高，因此韩佳伟改进了该算法，附件是fp-growth的python实现。

机器学习之关联分析与频繁项集（Apriori和FP-Growth算法）-附件资源

一种云计算环境下的改进FP-GROWTH算法.pdf

基于FP-growth算法与分层线性模型交互的招生数据挖掘.pdf

数据挖掘之 关联规则 Aprori 和 fp-growth 函数库的调用