Machine learningMachine learning

FP-Growth Explicable

FP-Growth Explicable aumenta el algoritmo clásico de minería de patrones frecuentes FP-Growth con herramientas de interpretabilidad post-hoc —como puntuaciones de importancia de reglas, árboles de patrones visuales y explicaciones contrafactuales— para que los analistas no solo puedan descubrir conjuntos de ítems frecuentes y reglas de asociación, sino también comprender por qué importan ciertos patrones, qué ítems impulsan la confianza de las reglas y cómo comunicar los hallazgos de manera transparente a las partes interesadas.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  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

Cómo citar esta página

ScholarGate. (2026, June 3). Explainable Frequent Pattern Growth (XAI-Augmented FP-Growth). ScholarGate. https://scholargate.app/es/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)). Recuperado el 2026-06-15 de https://scholargate.app/es/machine-learning/explainable-fp-growth · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026