Emerging Pattern Mining
Emerging Pattern Mining (EPM) is een contrastgebaseerde data mining-techniek die itemsets identificeert waarvan de ondersteuning significant toeneemt – of van nul naar een positieve waarde springt – bij overgang van de ene dataset (of klasse) naar de andere. Geïntroduceerd door Dong en Li in 1999, wordt het voornamelijk gebruikt voor classificatie-, anomaliedetectie- en trendanalysetaken waarbij het ontdekken van onderscheidende patronen tussen twee populaties of tijdsperioden het centrale doel is.
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
- Dong, G., & Li, J. (1999). Efficient mining of emerging patterns: Discovering trends and differences. ACM SIGKDD, 43–52. DOI: 10.1145/312129.312191 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Emerging Pattern Mining. ScholarGate. https://scholargate.app/nl/machine-learning/emerging-pattern-mining
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
- FP-Growth (Frequent Pattern Growth)Machine learning↔ compare
- Regelinductie (RIPPER)Machine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →