①：导入2的排序后的频繁项集的第一行，ACEBF,根节点为空（因为这个是为了把这个算法的妙处，把数据放入数结构中，利用树的数据结构去生产关联规则，所以不用去研究最上面的节点为什么是null)，然后按照A-C-E-B-F的顺序一节一节的构建树，然后在每个字母标记次数（即出现一次标记一次），效果如下：

②.第二行A C G也是跟上面一样，注意从(ACG)的第一个字母A开始插入树中，即从C开始分叉出一个G，此时，A,C节点的次数增加1，变为2,具体效果如下:

③.该行只有一个节点E，那么就是直接从根节点null下面开始插入，次数为1，如下：

④.然后就是按照上面的做法继续往下插入项头表的剩下几行数据，凡是出现一次就要加1，直到最后每个字母出现的总次数要跟项头表的数据相同即可，读者可以去尝试画一画，最终的FP-tree如下，假如你能跟下面一样那么就是画正确了.

首先先了解什么是条件模式基，很多博主是说：要挖掘的节点作为叶子节点所对应的FP子树。有兴趣的可以去找找官方资料去阅读深入理解。这里我给大家说说我是怎么理解的，希望大家可以从下面的例子中去深入理解条件模式基。

首先我们以挖掘的顺序不是从上往下，而是从最底下开始，向上去一节一节的找节点，这里我们从项头表最底下的F节点开始。这里我项说明一下节点链表的作用：假如没有多余的其他地方，只有最下面一个点（F的次数为2，只有一个节点次数为2组成），那么从这个节点开始向上找它的的条件模式基，即为：BECA,该情况如下：

假如，还有其他多余的地方（E次数为8，是由一个节点次数为6跟一个节点次数为2组成的），那么从这两个个节点开始向上找它的的条件模式基，节点次数为6的E的条件模式基为：CA,另一个节点次数为2的条件模式基为：null,合并之后就是：CA。

既然我们已经知道如何求条件模式基了，那么开始求频繁项集，下面我会详细求出:A C E G B D F每个产生的频繁项集。

根据项头表从底下开始挖掘：

F:我们开始从F节点开始挖掘，那么根据上面条件模式基的求法可以得出F的条件模式基为：（B E C A），然后我们在根据排序好的项目集，在有F存在的数据里，依次找出B E C A的支持度，即出现了一共出现了多少次，判断每个字母出现的次数是否大于最小支持度，大于则保留，否则则删除掉这个字母，具体如下：

跟F进行结合，故产生的频繁2项集为：{A:2,F:2}, {C:2,F:2}, {E:2,F:2}, {B:2,F:2},递归合并得到频繁3项集：{BCF:2,BEF:2,BAF:2......}还有一些频繁三项集就不写了，一直递归下去，就会有一个最大的频繁项集，这点跟Apriori做法一样，最后找出最大的频繁项集为5项集，即为{A:2,C:2,E:2,B:2,F:2}

D:D的总次数为2，是有两个次数为1的节点，故条件模式基为：（G E C A） 与  （ C A),故在有D的数据里，有：

计算 G E C A一共出现了多少次，计算出G:1,E:1,C:2,A:2,因为G,E都为1，小于最小支持度，故删掉，只留下CA,最后跟D结后，产生的频繁2项集为：{C:2,D:2},{A:2,D:2}递归后最后得到一个最大的频繁3项集为：{A:2,C:2,D:2}

B:条件模式基为：(E C A)，各个字母出现次数为：E:2，C:2，A:2

B递归后最后得到一个最大的频繁4项集为:{A:2, C:2, E:2,B:2}。

G:条件模式基为:（E C A）与（C A）,合并后为（E C A )，每个字母的次数为：E:4,A:5,C:5

G递归后最后得到一个最大的频繁4项集为：{A:5, C:5, E:4,G:4}。

E:条件模式基为：( C A)，各个字母出现次数为：C:6，A:6

E递归后最后得到一个最大的频繁3项集为：{A:6, C:6, E:6}。

C:A上面是null，是没有条件模式基的，故接下来是最后一个C，C的条件模式基为：A,出现的次数为：A:8

C最后得到一个最大的频繁2项集为{A:8，C:8}。

到这里我们已经得到了所有的频繁项集，假如我们只需要得到最大的频繁K项集，从上面的分析可以得出最大的频繁项集为5项集，即{A:2, C:2, E:2,B:2,F:2}。