FP-Growth (Frequent Pattern Growth)
FP-Growth, geïntroduceerd door Jiawei Han, Jian Pei en Yiwen Yin in 2000, extraheert frequente itemsets uit transactiedata zonder kandidaatsets te genereren, de kostbare stap die het klassieke Apriori-algoritme vertraagt. Het comprimeert de database in twee scans tot een frequente-patroonboom (FP-tree) en groeit vervolgens recursief frequente patronen vanuit die structuur, waardoor het dramatisch sneller is dan Apriori op grote, dichte datasets.
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.
+8 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/nl/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.
- Associatieregels Leren (Apriori)Machine learning↔ compare
- ECLAT Frequent-Itemset MiningMachine learning↔ compare
- Formele conceptanalyse (FCA)Soft computing↔ compare
- K-Means ClusteringMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →