请介绍下pyfim库中的fpgrowth的用法

PyFIM是一个Python库，它实现了多种频繁模式挖掘算法。其中包括FP-growth算法。FP-growth算法是一种广泛使用的频繁模式挖掘算法，用于在事务数据集中查找频繁项集。它基于一个被称为“FP树”（频繁模式树）的数据结构，它可以有效地挖掘频繁项集并避免生成大量的中间候选集。

使用PyFIM中的FP-growth算法，可以进行以下操作：

1.导入FP-growth算法：从pyfim中导入fpgrowth模块。

2.指定参数：尤其需要指定事务数据集和最小支持度阈值，即最小频繁项集出现的次数。

3.运行算法：使用fpgrowth模块中的fpgrowth函数，在指定的数据集上运行算法。

4.得到结果：FP-growth算法会返回频繁项集和对应的支持计数。

例如，以下代码展示了如何使用FP-growth算法在Python中发现超市交易数据集中的频繁项集：

from fim import fpgrowth
transactions = [['bread', 'milk'],
                ['bread', 'diaper', 'beer', 'egg'],
                ['milk', 'diaper', 'beer', 'cola'],
                ['bread', 'milk', 'diaper', 'beer'],
                ['bread', 'milk', 'diaper', 'cola']]
patterns = fpgrowth(transactions, supp=2)
print(patterns)

其中，transactions是超市交易数据集， supp=2表示最小支持度阈值设为2，即只有频繁项集出现次数大于等于2时才被识别为频繁项集。

运行此代码后，FP-growth算法将返回以下频繁项集及其对应支持计数：

((u'bread',), 4)
((u'diaper',), 3)
((u'beer', u'bread'), 2)
((u'beer', u'milk', u'diaper'), 2)
((u'bread', u'milk'), 4)
((u'beer', u'diaper'), 2)
((u'milk', u'diaper'), 3)
((u'milk',), 4)
((u'cola', u'diaper'), 2)
((u'bread', u'diaper'), 3)
((u'cola', u'milk', u'diaper'), 2)
((u'beer', u'milk'), 2)
((u'cola', u'milk'), 2)