FP-Growth (رشد الگوی پرتکرار)

FP-Growth که توسط جیاوی هان، جیان پی و یی‌ون یین در سال ۲۰۰۰ معرفی شد، مجموعه‌های قلم (itemsets) پرتکرار را از داده‌های تراکنشی استخراج می‌کند، بدون اینکه مجموعه‌های کاندید را تولید کند؛ این مرحله پرهزینه‌ای است که الگوریتم کلاسیک Apriori را کند می‌کند. این روش پایگاه داده را در دو پیمایش فشرده کرده و به یک درخت الگوی پرتکرار (FP-tree) تبدیل می‌کند، سپس الگوهای پرتکرار را به صورت بازگشتی از آن ساختار رشد می‌دهد، که این امر آن را به طور چشمگیری سریع‌تر از Apriori بر روی مجموعه داده‌های بزرگ و متراکم می‌سازد.