Machine learningPattern mining
FP-성장 (빈발 패턴 성장)
Jiawei Han, Jian Pei, Yiwen Yin이 2000년에 소개한 FP-성장은 고전적인 Apriori 알고리즘을 느리게 만드는 비용이 많이 드는 단계인 후보 집합 생성을 하지 않고 트랜잭션 데이터에서 빈발 항목 집합을 채굴합니다. 이 알고리즘은 두 번의 스캔으로 데이터베이스를 빈발 패턴 트리(FP-트리)로 압축한 다음, 해당 구조에서 빈발 패턴을 재귀적으로 성장시켜 대규모의 밀집된 데이터셋에서 Apriori보다 훨씬 빠르게 작동합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/ko/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.
- 연관 규칙 마이닝(Apriori)머신러닝↔ compare
- ECLAT 빈발 항목 집합 마이닝머신러닝↔ compare
- 형식 개념 분석 (FCA)소프트 컴퓨팅↔ compare
- K-평균 군집화머신러닝↔ compare