提供FP-Growth算法的Python代码实现

FP-Growth（频繁模式增长）是一种用于挖掘关联规则的算法，它主要用于发现数据集中的频繁项集。以下是使用Python实现FP-Growth算法的一个简化版代码示例，使用了mlxtend库中的`fpgrowth`模块：

from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import fpgrowth

# 假设这是你的交易数据，每一行代表一次购买行为，每个元素是一个商品ID
transactions = [['Milk', 'Eggs', 'Bread'],
                ['Bread', 'Butter'],
                ['Eggs', 'Milk', 'Butter', 'Coffee'],
                ['Milk', 'Bread', 'Butter']]

# 转换为事务列表格式
te = TransactionEncoder()
X = te.fit(transactions).transform(transactions)

# 设置最小支持度阈值（例如50%）
min_support = len(X) / 2

# 使用FP-Growth算法找出频繁项集
freq_set = fpgrowth(X, min_support=min_support, use_colnames=True)

print("频繁项集：")
for itemset, support in freq_set['itemsets']:
    print(f"项目：{list(itemset)}，支持度：{support}")