ECLAT добиване на чести набори от елементи
ECLAT, въведен от Мохамед Заки през 2000 г., добива чести набори от елементи чрез вертикално представяне на данните: вместо да сканира трансакциите, той съхранява за всеки елемент множество от идентификатори на трансакции (tidset), които го съдържат, и изчислява честотата на всеки наборен елемент чрез пресичане на tidset-ове. Този подход, базиран на дълбочинно търсене и пресичане, е бърз и ефективен по отношение на паметта, алтернатива на хоризонталните сканирания на Apriori и дървото на FP-Growth.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering, 12(3), 372–390. DOI: 10.1109/69.846291 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/bg/machine-learning/eclat
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Откриване на асоциативни правила (Apriori)Машинно обучение↔ compare
- Формален анализ на понятия (Formal Concept Analysis, FCA)Меки изчисления↔ compare
- FP-Growth (Често срещани модели)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →