FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak Michał Kucal 9.11.2010.

Prezentacja na temat: "FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak Michał Kucal 9.11.2010."— Zapis prezentacji:

1 FP-Growth Adam Pieśkiewicz Kamil Niezręcki Krzysztof Grześkowiak Michał Kucal 9.11.2010

2 Plan prezentacji 1. Zasada działania algorytmu 2. Implementacja 3. Wyniki 4. Podsumowanie

3 Zasada działania algorytmu 1. Odkrywanie zbiorów częstych a) Utworzenie FP-drzewa na podstawie skompresowanej bazy danych b) Znalezienie zbiorów częstych w procesie eksploracji FP-drzewa 2. Generacja reguł asocjacyjnych

4 Kompresja bazy danych 1. Znalezienie jednoelementowych zbiorów częstych w bazie danych 2. Usunięcie z każdej transakcji tych elementów, które nie są częste 3. Posortowanie elementów transakcji malejąco wg wsparcia

5 FP-drzewo - ukorzeniony, etykietowany w wierzchołkach graf acykliczny - korzeń – etykieta null, pozostałe wierzchołki to jednoelementowe zbiory częste wraz z licznikiem transakcji - tworzenie: wstawianie kolejnych transakcji ze skompresowanej bazy, przy czym jeśli transakcje współdzielą prefiks, następuje zwiększenie licznika transakcji w węzłach; w przeciwnym wypadku – dodawanie nowych węzłów

6 Przykład FP-drzewa

7 Eksploracja FP-drzewa FP-Growth(T, α) { //α = null at beginning if T contains a single path P then { for each combination β of nodes in path P generate pattern β + α with support = min(supports of all the nodes in β); } else { for each a i in the hTable of T { generate pattern β = a i + α with support = sup(a i ); construct β's conditional pattern base and use it to build β's conditional FP-tree Tree β ; if Tree β ø then FP-Growth(Tree β, β); }

8 Bibliografia 1. FP-Growth approach for document clustering, M. Akbar (praca magisterska) 2. Algorytmy odkrywania binarnych reguł asocjacyjnych (http://wazniak.mimuw.edu.pl, wykład 3. przedmiotu Eksploracja danych)http://wazniak.mimuw.edu.pl 3. FP-tree, O. Kohonen (wykład)

9 Dziękujemy za uwagę