ECLAT Frekvent-Elementmengde-gruvedrift
ECLAT, introdusert av Mohammed Zaki i 2000, utvinner frekvente elementmengder ved hjelp av en vertikal datarepresentasjon: i stedet for å skanne transaksjoner, lagrer den for hvert element settet av transaksjons-ID-er (et tidset) som inneholder det, og beregner støtten for enhver elementmengde ved å skjære sammen tidsets. Denne dybde-først, skjæringsbaserte tilnærmingen er rask og minneeffektiv, et alternativ til Apriori's horisontale skanninger og FP-Growth's tre.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/no/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.
- Assosiasjonsregelutvinning (Apriori)Maskinlæring↔ compare
- Formell konseptanalyse (FCA)Soft computing↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →