FP-Growth (Frequent Pattern Growth)
Jiawei Hanin, Jian Pein ja Yiwen Yinin vuonna 2000 esittelemä FP-Growth louhii usein esiintyviä esinejoukkoja transaktiotiedoista luomatta kandidaattijoukkoja, mikä on klassista Apriori-algoritmia hidastava kallis vaihe. Se pakkaa tietokannan usein esiintyvien kuvioiden puuksi (FP-puu) kahdella skannauksella ja kasvattaa sitten usein esiintyviä kuvioita rekursiivisesti tästä rakenteesta, mikä tekee siitä huomattavasti nopeamman kuin Apriori suurissa, tiheissä aineistoissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/fi/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.
- Assosiaatiosääntöjen louhinta (Apriori)Koneoppiminen↔ compare
- ECLAT-taajuusesiintymien louhintaKoneoppiminen↔ compare
- Formaali konseptianalyysi (FCA)Pehmeä laskenta↔ compare
- K-Means-klusterointiKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →