含代码，处理过数据文件，结果文件整理，以及详细报告近一万字。 这是我的期末大报告，完全是自己写的，可以按需下载。其中关于实现的过程描述方法详实，步骤详细，形式多样。数据来自Kaggle。 含有1. 绪论，2. 相关理论与技术，3. FP-growth算法关联规则分析算法，4. 结论5. 课程体会。 这次我的选题便是从关联规则视角出发，以使公司能够最大化下一次营销活动的利润为立足点，建立了基于FP-Growth的营销策略关联规则分析算法，并从宏观角度提出将营销活动与客户的个人特征与选择相结合的最大化下一次营销活动的利润营销策略。

使用Apriori和FP-growth进行关联规则挖掘

FP-growth算法的实现方法研究.pdf

人工智能-项目实践-关联规则挖掘-本项目使用了 FP-Growth 和 K-Means 两种算法，挖掘了我校图书馆借阅记录中的隐藏信息，并以此为基础开发了相应的图书推荐算法

纯 Rust 中 FP-Growth 算法的实现

基于python语言实现FP-Growth算法，并通过实例实现其对销售订单的关联规则进行挖掘。 资料包括完整的源码文件。 实现方式： 要实现购物篮分析，其实有很多种方法，上面的几种考核指标都很清晰了，我们使用SQL也是可以统计的，只不过有点儿麻烦，需要手动做一个商品的组合，或者使用商品间笛卡尔积作为基础表，但是这还得看组合数量，如果只组合2种还好，组合3种、4种呢？ 再就是使用Python或者R来做了，可以选择自己代码实现，也可以使用现有的开源包，我们只要用就行了，这里我也是直接使用了Python中的mlxtend拓展包。 数据处理： 这里把数据处理单独拎出来说一下，做关联分析，需要注意下数据的选取，比如有些行业需要考虑场景，如早中晚这种，每种场景下用户购物偏好不一样，每种场景都有适合的商品组合； 再比如最近的打折促销的商品要剔除掉，因为要走量，所以可能很多订单都有这件商品，会影响我们的最后结论； 还有就是一些附赠品，试用品，新人优惠的商品，都是会影响我们结论的一些数据。

Fp-Growth算法通过构造一个树结构来压缩数据记录,使得挖掘频繁项集只需要扫描两次数据记录,而且该算法不需要生成候选集合,所以效率会比较高。

FP-Growth C代码的实现

经典算法FP-growth的源码，请大家参考！

python实现FP-Growth 频繁模式算法