FP-Growth (Frequent Pattern Growth)
O FP-Growth, introduzido por Jiawei Han, Jian Pei e Yiwen Yin em 2000, extrai conjuntos de itens frequentes de dados transacionais sem gerar conjuntos candidatos, o passo custoso que desacelera o algoritmo clássico Apriori. Ele comprime o banco de dados em uma árvore de padrões frequentes (FP-tree) em duas varreduras, e então gera padrões frequentes recursivamente a partir dessa estrutura, tornando-o dramaticamente mais rápido que o Apriori em conjuntos de dados grandes e densos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/pt/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.
- Mineração de Regras de Associação (Apriori)Aprendizado de máquina↔ compare
- Mineração ECLAT de Conjuntos de Itens FrequentesAprendizado de máquina↔ compare
- Análise Formal de Conceitos (FCA)Soft computing↔ compare
- Agrupamento K-MeansAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →