FP-Growth (Ανάπτυξη Συχνών Μοτίβων)
Το FP-Growth, που εισήχθη από τους Jiawei Han, Jian Pei και Yiwen Yin το 2000, εξορύσσει συχνά σύνολα στοιχείων (frequent itemsets) από δεδομένα συναλλαγών χωρίς τη δημιουργία υποψήφιων συνόλων, το δαπανηρό βήμα που επιβραδύνει τον κλασικό αλγόριθμο Apriori. Συμπιέζει τη βάση δεδομένων σε ένα δέντρο συχνών προτύπων (FP-tree) σε δύο σαρώσεις, και στη συνέχεια αναπτύσσει συχνά πρότυπα αναδρομικά από αυτή τη δομή, καθιστώντας το δραματικά ταχύτερο από το Apriori σε μεγάλα, πυκνά σύνολα δεδομένων.
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.
+8 more
Πηγές
- Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12. DOI: 10.1145/342009.335372 ↗
- Han, J., Pei, J., Yin, Y., & Mao, R. (2004). Mining frequent patterns without candidate generation: a frequent-pattern tree approach. Data Mining and Knowledge Discovery, 8(1), 53–87. DOI: 10.1023/B:DAMI.0000005258.31418.83 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/el/machine-learning/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.
- Εξόρυξη Κανόνων Συσχέτισης (Apriori)Μηχανική Μάθηση↔ compare
- Εξόρυξη Συχνών Συνόλων Αντικειμένων ECLATΜηχανική Μάθηση↔ compare
- Τυπική Ανάλυση Εννοιών (FCA)Ήπια Υπολογιστική↔ compare
- Συσταδοποίηση K-MeansΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →