FP-Growth (Pertumbuhan Corak Kerap)
FP-Growth, diperkenalkan oleh Jiawei Han, Jian Pei, dan Yiwen Yin pada tahun 2000, melombong set item yang kerap daripada data urus niaga tanpa menjana set calon, langkah yang mahal yang memperlahankan algoritma Apriori klasik. Ia memampatkan pangkalan data kepada pokok corak kerap (FP-tree) dalam dua imbasan, kemudian mengembangkan corak kerap secara rekursif daripada struktur itu, menjadikannya jauh lebih pantas daripada Apriori pada set data yang besar dan padat.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/ms/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.
- Galian Peraturan Persatuan (Apriori)Pembelajaran Mesin↔ compare
- Galian Set-Item Frekuen ECLATPembelajaran Mesin↔ compare
- Analisis Konsep Formal (FCA)Perkomputeran Lembut↔ compare
- Pengelompokan K-MeansPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →