Górnictwo częstych zbiorów elementów ECLAT
ECLAT, wprowadzony przez Mohammeda Zakiego w 2000 roku, wydobywa częste zbiory elementów przy użyciu pionowej reprezentacji danych: zamiast skanować transakcje, przechowuje dla każdego elementu zbiór identyfikatorów transakcji (zbiór TID), które go zawierają, i oblicza wsparcie dla dowolnego zbioru elementów poprzez przecięcie zbiorów TID. To podejście oparte na przeszukiwaniu w głąb i przecięciach jest szybkie i oszczędne pod względem pamięci, stanowiąc alternatywę dla poziomych skanowań Apriori i drzewa FP-Growth.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/pl/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.
- Górnictwo reguł asocjacyjnych (Apriori)Uczenie maszynowe↔ compare
- Analiza Formalnych Konceptów (FCA)Obliczenia miękkie↔ compare
- FP-Growth (Frequent Pattern Growth)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →