ScholarGate
Asisten
Machine learningPattern mining

FP-Growth (Pertumbuhan Pola Frekuen)

FP-Growth, diperkenalkan oleh Jiawei Han, Jian Pei, dan Yiwen Yin pada tahun 2000, menambang kumpulan item yang sering muncul dari data transaksi tanpa menghasilkan himpunan kandidat, langkah mahal yang memperlambat algoritma Apriori klasik. Algoritma ini mengompresi basis data menjadi pohon pola frekuen (FP-tree) dalam dua pemindaian, kemudian menumbuhkan pola frekuen secara rekursif dari struktur tersebut, membuatnya jauh lebih cepat daripada Apriori pada kumpulan data yang besar dan padat.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

+8 more

Sumber

  1. 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
  2. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/id/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.

Compare side by side

Dirujuk oleh

ScholarGateFP-Growth (FP-Growth (Frequent Pattern Growth)). Diakses 2026-06-15 dari https://scholargate.app/id/machine-learning/fp-growth · Set data: https://doi.org/10.5281/zenodo.20539026