ScholarGate
Assistente
Machine learningMachine learning

Explainable FP-Growth

Explainable FP-Growth potenzia l'algoritmo classico di estrazione di pattern frequenti FP-Growth con strumenti di interpretabilità post-hoc — come punteggi di importanza delle regole, alberi di pattern visivi e spiegazioni controfattuali — in modo che gli analisti possano non solo scoprire itemset frequenti e regole di associazione, ma anche comprendere perché specifici pattern sono importanti, quali item guidano la confidenza delle regole e come comunicare i risultati in modo trasparente agli stakeholder.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  1. Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12. DOI: 10.1145/335191.335372
  2. Association rule learning. Wikipedia. link

Come citare questa pagina

ScholarGate. (2026, June 3). Explainable Frequent Pattern Growth (XAI-Augmented FP-Growth). ScholarGate. https://scholargate.app/it/machine-learning/explainable-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
ScholarGateExplainable FP-Growth (Explainable Frequent Pattern Growth (XAI-Augmented FP-Growth)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/explainable-fp-growth · Insieme di dati: https://doi.org/10.5281/zenodo.20539026