ScholarGate
Assistent
Machine learningMachine learning

Semi-veiledt FP-vekst

Semi-veiledt FP-vekst utvider den klassiske Frequent Pattern growth-algoritmen ved å inkorporere delvise etiketter, brukerdefinerte begrensninger eller informasjon på klassesnivå for å styre oppdagelsen av hyppige itemsets. I stedet for å utvinne alle mønstre uten skille, fokuserer den på mønstre som er både statistisk hyppige og semantisk meningsfulle gitt det tilgjengelige veiledningssignalet.

Åpne i MethodMindSnartVideoSnartLast ned lysbilder

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Metodekart

Nabolaget av beslektede metoder — velg en node for å utforske.

Kilder

  1. Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data, 1–12. DOI: 10.1145/342009.335372
  2. FP-growth algorithm. Wikipedia. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Semi-supervised Frequent Pattern Growth. ScholarGate. https://scholargate.app/no/machine-learning/semi-supervised-fp-growth

Hvilken metode?

Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.

Sammenlign side om side

Referert av

ScholarGateSemi-supervised FP-growth (Semi-supervised Frequent Pattern Growth). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/semi-supervised-fp-growth · Datasett: https://doi.org/10.5281/zenodo.20539026