概述
频繁模式，是找出数据集中共现概率大于阈值的事务。用法跟分类算法类似，先根据训练集，训练出所有的频繁项，在对测试集进行频繁项预测。
示例
使用“购物篮分析”案例数据，预测用户购买了物品1可能会购买物品2的可能性。
FP-Growth参数如下：
参数名称 | 值 | 说明 |
|---|---|---|
最小支持度 | 参数范围：[0,1]的小数，默认值为0.01 | 支持度，代表项集的频繁程度；最小支持度作为支持度的阈值，满足最小支持度的项集才会输出； |
最小置信度 | 参数范围：[0,1]的小数，默认值为0.01 | 置信度，代表包含A事务中同时包含B事务的频繁程度；最小置信度作为置信度的阈值，满足最小置信度的项集才会输出； |
例如：有以下项集
项集{牛奶，尿布，啤酒}的
1、支持度，
2、置信度，
