Εξόρυξη Συχνών Συνόλων Αντικειμένων ECLAT
Το ECLAT, που εισήχθη από τον Mohammed Zaki το 2000, εξορύσσει συχνά σύνολα αντικειμένων χρησιμοποιώντας μια κάθετη αναπαράσταση δεδομένων: αντί να σαρώνει συναλλαγές, αποθηκεύει για κάθε αντικείμενο το σύνολο των αναγνωριστικών συναλλαγών (tidset) που το περιέχουν, και υπολογίζει την υποστήριξη οποιουδήποτε συνόλου αντικειμένων μέσω της τομής των tidsets. Αυτή η προσέγγιση βάθους-πρώτα, βασισμένη στην τομή, είναι γρήγορη και αποδοτική ως προς τη μνήμη, αποτελώντας εναλλακτική λύση στις οριζόντιες σαρώσεις του Apriori και στο δέντρο του FP-Growth.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/el/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.
- Εξόρυξη Κανόνων Συσχέτισης (Apriori)Μηχανική Μάθηση↔ compare
- Τυπική Ανάλυση Εννοιών (FCA)Ήπια Υπολογιστική↔ compare
- FP-Growth (Ανάπτυξη Συχνών Μοτίβων)Μηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →