用交易数据库建立 FP-tree的具体步骤和案例

建立 FP-Tree 的具体步骤如下：

1. 扫描整个事务数据库，统计每个项的出现频率，并过滤掉低于最小支持度的项。
2. 对于每个事务，根据频繁项集的频率排序，将其转换为一个项序列。
3. 对于每个项序列，从高到低插入 FP-Tree 中，如果存在相同的前缀路径，则将其合并，否则新建一个路径。
4. 递归地构建条件 FP-Tree，每次以某个频繁项为条件，再次执行上述步骤。

下面是一个简单的案例，假设有以下交易数据库：

| 交易ID | 交易商品 |
| ------ | ------ |
| T1 | A, B, D |
| T2 | B, C, E |
| T3 | A, B, C, E |
| T4 | B, E |

设最小支持度为 2，现在来建立 FP-Tree：

1. 首先扫描数据库，计算每个项的支持度，过滤掉低于最小支持度的项，得到频繁项集 {A, B, C, E}。
2. 对于每个事务，根据频繁项集的频率排序，得到以下项序列：

T1: B > A > D
T2: B > E > C
T3: B > E > C > A
T4: B > E

3. 从高到低插入 FP-Tree 中，得到以下树结构：

null
|
B(4)
/ | \
A D E(3)
| |
C(2) E(2)

4. 以频繁项集 {A, B} 为条件，递归地构建条件 FP-Tree：

条件模式基为 {T1, T3}，得到以下树结构：

null
|
B(2)
|
A(2)

以同样的方式，得到以频繁项集 {B, C} 为条件的条件 FP-Tree：

null
|
B(2)
|
C(2)

以频繁项集 {B, E} 为条件，得到以下树结构：

null
|
B(3)
/ \
E(2) C(1)

以频繁项集 {B} 为条件，得到以下树结构：

null
|
B(4)
|
E(3)

至此，FP-Tree 的建立完成。