FP-Growth (Frequent Pattern Growth)
FP-Growth, introdotto da Jiawei Han, Jian Pei e Yiwen Yin nel 2000, estrae itemset frequenti da dati transazionali senza generare set candidati, il passaggio costoso che rallenta il classico algoritmo Apriori. Comprime il database in un albero dei pattern frequenti (FP-tree) in due scansioni, quindi fa crescere i pattern frequenti ricorsivamente da quella struttura, rendendolo notevolmente più veloce di Apriori su dataset grandi e densi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/it/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.
- Association Rule Mining (Apriori)Apprendimento automatico↔ compare
- Estrazione di itemset frequenti ECLATApprendimento automatico↔ compare
- Analisi Concettuale Formale (FCA)Soft computing↔ compare
- Clustering K-MeansApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →