Emerging Pattern Mining
Emerging Pattern Mining (EPM) er en kontrastbaseret data mining-teknik, der identificerer itemsets, hvis support stiger signifikant – eller springer fra nul – når man bevæger sig fra ét datasæt (eller klasse) til et andet. Introduceret af Dong og Li i 1999, bruges den primært til klassifikation, anomalidetektion og trendanalyse, hvor opdagelse af diskriminative mønstre mellem to populationer eller tidsperioder er det centrale mål.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Dong, G., & Li, J. (1999). Efficient mining of emerging patterns: Discovering trends and differences. ACM SIGKDD, 43–52. DOI: 10.1145/312129.312191 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Emerging Pattern Mining. ScholarGate. https://scholargate.app/da/machine-learning/emerging-pattern-mining
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.
- Association Rule Mining (Apriori)Maskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- Regelinduktion (RIPPER)Maskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →