Machine learningPattern mining
ECLAT による頻出アイテムセットマイニング
ECLAT は、Mohammed Zaki が 2000 年に導入した手法で、垂直データ表現を用いて頻出アイテムセットをマイニングします。トランザクションをスキャンする代わりに、各アイテムについて、それを含むトランザクションIDの集合（tidset）を格納し、アイテムセットのサポートをtidsetの共通部分を取ることで計算します。この深さ優先の共通部分ベースのアプローチは、Apriori の水平スキャンや FP-Growth のツリーに代わる、高速でメモリ効率の良い方法です。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/ja/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.
- 関連ルールマイニング（Apriori）機械学習↔ compare
- 形式概念分析 (FCA)ソフトコンピューティング↔ compare
- FP成長 (頻出パターン成長)機械学習↔ compare