ECLAT Frequent-Itemset Mining
ECLAT, geïntroduceerd door Mohammed Zaki in 2000, vindt frequente itemsets met behulp van een verticale datarepresentatie: in plaats van transacties te scannen, slaat het voor elk item de set van transactie-ID's (een tidset) op die het bevat, en berekent het de support van een itemset door tidsets te intersecteren. Deze depth-first, op intersectie gebaseerde aanpak is snel en geheugenefficiënt, een alternatief voor Apriori's horizontale scans en FP-Growth's boomstructuur.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/nl/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.
- Associatieregels Leren (Apriori)Machine learning↔ compare
- Formele conceptanalyse (FCA)Soft computing↔ compare
- FP-Growth (Frequent Pattern Growth)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →