Eksploracja Wzorców Pojawiających się
Eksploracja Wzorców Pojawiających się (EPM) to technika eksploracji danych oparta na kontraście, która identyfikuje zbiory elementów, których wsparcie znacząco wzrasta — lub skacze od zera — przy przejściu z jednego zbioru danych (lub klasy) do drugiego. Wprowadzona przez Donga i Li w 1999 roku, jest używana głównie w zadaniach klasyfikacji, wykrywania anomalii i analizy trendów, gdzie głównym celem jest odkrywanie wzorców dyskryminujących między dwiema populacjami lub okresami czasu.
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
- Dong, G., & Li, J. (1999). Efficient mining of emerging patterns: Discovering trends and differences. ACM SIGKDD, 43–52. DOI: 10.1145/312129.312191 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Emerging Pattern Mining. ScholarGate. https://scholargate.app/pl/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.
- Górnictwo reguł asocjacyjnych (Apriori)Uczenie maszynowe↔ compare
- FP-Growth (Frequent Pattern Growth)Uczenie maszynowe↔ compare
- Indukcja reguł (RIPPER)Uczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →