主要知识点：

1.Apriori算法的缺陷

• 由于它是一种逐层寻找的算法，即先寻找频繁1-项集，然后2-项集等等。因此若频繁1-项集的数目相当大，那么在后续将会产生大量的候选2-项集等，产生较多开销。

• 该算法是一个候选产生到测试的二阶段过程。在寻找频繁项集的过程中，将需要数次扫描整个数据集，产生较多开销。

2.频繁模式增长算法

FP增长算法采用和Apriori算法完全不同的方式来产生频繁项集。首先，它采用一种名为频繁模式树（FP树）的紧凑数据结构压缩表示数据；其次，只要FP树构造好了，就可以采用递归的分治策略从该树中直接挖掘出频繁项集。

3.FP树

• FP树是一种输入数据的压缩表示，它通过逐条读入事务数据，并且将每条事务数据映射到FP树中的一条路径来进行构造。

• 因为不同的事务数据会有相同的项。例如在金融产品购买数据中，不同顾客可能都会购买相同的金融产品，那么这就会导致FP树中部分路径重叠，越多的路径相互重叠，使用FP树结构获得的压缩效果越好。

4.金融场景FP树的构建过程

步骤1：扫描一次金融数据集，确定数据集中每个项的支持度计数，丢弃非频繁项，将频繁项按照支持度计数的大小递减进行排序。

步骤2：第二次扫描金融数据集，构造FP树，包含读取每一条事务数据，构造FP树路径上的结点，和对事务进行编码。

步骤3：以上两步不断重复，直到每条金融事务数据都映射到FP树上的一条路径，FP树就构造完成。

5.如何使用FP树产生频繁金融项集

• 从FP树产生频繁金融项集是一种自底向上的方式探索树的一种方法。

• 针对某个结点n，综合其所有前缀路径构造它的条件模式基（即以结点为结尾的路径合集）。

• 转化结点的前缀路径构造条件FP树。

• 从条件FP树中挖掘出频繁项集。