כריית קבוצות פריטים נפוצות בשיטת ECLAT
ECLAT, שהוצגה על ידי מוחמד זכי בשנת 2000, כורה קבוצות פריטים נפוצות תוך שימוש בייצוג נתונים אנכי: במקום לסרוק טרנזקציות, היא מאחסנת עבור כל פריט את קבוצת מזהי הטרנזקציות (tidset) המכילות אותו, ומחשבת את התמיכה (support) של כל קבוצת פריטים על ידי חיתוך קבוצות ה-tidsets. גישה זו, המבוססת על חיפוש לעומק וחיתוך, מהירה ויעילה מבחינת זיכרון, ומהווה חלופה לסריקות האופקיות של Apriori ולעץ של FP-Growth.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering, 12(3), 372–390. DOI: 10.1109/69.846291 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/he/machine-learning/eclat
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.
- כריית כללי אסוציאציה (Apriori)למידת מכונה↔ compare
- ניתוח מושגים פורמלי (Formal Concept Analysis - FCA)מחשוב רך↔ compare
- FP-Growth (גידול דפוסים תדירים)למידת מכונה↔ compare