🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
💡
不生成候选的关联挖掘FP-Growth由韩家炜等人在2000年提出，彻底改变了关联规则挖掘的效率。Apriori需要反复扫描数据库并生成大量候选项集，而FP-Growth将整个数据库压缩成一棵FP-Tree，然后直接从树上递归挖掘频繁模式，全程不需要生成候选集。在密集数据集上，FP-Growth可以比Apriori快几个数量级。韩家炜后来还提出了PrefixSpan等序列模式挖掘算法，堪称数据挖掘领域的泰斗。
来源：Han, Pei & Yin, "Mining Frequent Patterns without Candidate Generation", SIGMOD 2000
一句话总结
💡
FP-Growth 通过构建 FP 树压缩数据库，无需生成候选项集即可高效挖掘频繁项集。
常见误区
这些坑别踩
✗
误区 1
FP-Growth 和 Apriori 原理相同。
✓
正确理解
Apriori 需生成候选并多次扫描，FP-Growth 用 FP 树两次扫描免候选。
✗
误区 2
FP-Growth 一定更快。
✓
正确理解
在稀疏数据或内存受限时 FP 树构建开销大，不一定占优。
✗
误区 3
FP 树是一棵普通决策树。
✓
正确理解
FP 树是压缩的频繁模式树，结构与决策树完全不同。