Machine learningMachine learning

FP-Creciment Explicable

FP-Creciment Explicable augmenta l'algorisme clàssic de mineria de patrons freqüents FP-Creciment amb eines d'interpretabilitat post-hoc — com ara puntuacions d'importància de regles, arbres de patrons visuals i explicacions contrafactuals — perquè els analistes no només puguin descobrir conjunts d'ítems freqüents i regles d'associació, sinó també entendre per què importen patrons específics, quins ítems impulsen la confiança de la regla i com comunicar els resultats de manera transparent als interessats.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12. DOI: 10.1145/335191.335372
  2. Association rule learning. Wikipedia. link

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Explainable Frequent Pattern Growth (XAI-Augmented FP-Growth). ScholarGate. https://scholargate.app/ca/machine-learning/explainable-fp-growth

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.

Compare side by side
ScholarGateExplainable FP-Growth (Explainable Frequent Pattern Growth (XAI-Augmented FP-Growth)). Recuperat el 2026-06-15 de https://scholargate.app/ca/machine-learning/explainable-fp-growth · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026