FP-Growth (Frequent Pattern Growth)
FP-Growth, introdusert av Jiawei Han, Jian Pei og Yiwen Yin i 2000, utvinner hyppige itemsets fra transaksjonsdata uten å generere kandidatsett, det kostbare trinnet som bremser den klassiske Apriori-algoritmen. Den komprimerer databasen til et hyppighetsmønster-tre (FP-tree) i to skanninger, og vokser deretter hyppige mønstre rekursivt fra den strukturen, noe som gjør den dramatisk raskere enn Apriori på store, tette datasett.
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.
+8 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/no/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.
- Assosiasjonsregelutvinning (Apriori)Maskinlæring↔ compare
- ECLAT Frekvent-Elementmengde-gruvedriftMaskinlæring↔ compare
- Formell konseptanalyse (FCA)Soft computing↔ compare
- K-Means-klyngingMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →