Machine learningPattern mining
FP成長 (頻出パターン成長)
2000年にJiawei Han、Jian Pei、Yiwen Yinによって導入されたFP成長は、候補セットを生成することなくトランザクションデータから頻出アイテムセットをマイニングします。これは、古典的なAprioriアルゴリズムを遅くするコストのかかるステップです。データベースを2回のスキャンで頻出パターンツリー（FP-tree）に圧縮し、その構造から再帰的に頻出パターンを成長させることで、大規模で密なデータセットではAprioriよりも劇的に高速になります。
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.
+8 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/ja/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.
- 関連ルールマイニング（Apriori）機械学習↔ compare
- ECLAT による頻出アイテムセットマイニング機械学習↔ compare
- 形式概念分析 (FCA)ソフトコンピューティング↔ compare
- K平均法クラスタリング機械学習↔ compare