Emerging Pattern Mining
Emerging Pattern Mining (EPM) er en kontrastbasert datautvinningsteknikk som identifiserer elementsett hvis støtte øker signifikant – eller hopper fra null – når man går fra ett datasett (eller klasse) til et annet. Introdusert av Dong og Li i 1999, brukes den primært i klassifisering, avviksdeteksjon og trendanalyseoppgaver der det sentrale målet er å oppdage diskriminerende mønstre mellom to populasjoner eller tidsperioder.
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
- Dong, G., & Li, J. (1999). Efficient mining of emerging patterns: Discovering trends and differences. ACM SIGKDD, 43–52. DOI: 10.1145/312129.312191 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Emerging Pattern Mining. ScholarGate. https://scholargate.app/no/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.
- Assosiasjonsregelutvinning (Apriori)Maskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- Regelinduksjon (RIPPER)Maskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →