基於Spark的FPGrowth（關聯規則算法）

在推薦中，關聯規則推薦使用的比較頻繁，畢竟是經過幾率來預測的，易於理解且準確度比較高，不過有一個缺點爲，想要覆蓋推薦物品的數量，就要下降支持度與置信度。太高的支持度與置信度會致使物品覆蓋不過，這裏須要其餘的推薦方法合做，建議使用基於Spark的模型推薦算法（矩陣分解+ALS）.html 一FPGrowth算法描述： FPGrowth算法 概念：支持度，置信度，提高度(Spark好像沒有計算這個的函

>>阅读原文<<