FP-Growth (Frequent Pattern Growth)
FP-Growth, introducido por Jiawei Han, Jian Pei y Yiwen Yin en 2000, extrae conjuntos de ítems frecuentes de datos transaccionales sin generar conjuntos candidatos, el costoso paso que ralentiza el algoritmo clásico Apriori. Comprime la base de datos en un árbol de patrones frecuentes (FP-tree) en dos escaneos, y luego genera patrones frecuentes recursivamente a partir de esa estructura, lo que lo hace drásticamente más rápido que Apriori en conjuntos de datos grandes y densos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/es/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.
- Minería de Reglas de Asociación (Apriori)Aprendizaje automático↔ compare
- Minería de conjuntos de ítems frecuentes ECLATAprendizaje automático↔ compare
- Análisis Formal de Conceptos (FCA)Computación blanda↔ compare
- Agrupamiento K-MeansAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →