FP-Growth (Creștere Frecventă a Pattern-urilor)
FP-Growth, introdus de Jiawei Han, Jian Pei și Yiwen Yin în 2000, extrage seturi de itemi frecvente din datele tranzacționale fără a genera seturi candidate, pasul costisitor care încetinește algoritmul clasic Apriori. Comprimă baza de date într-un arbore de pattern-uri frecvente (FP-tree) în două scanări, apoi crește recursiv pattern-urile frecvente din acea structură, făcându-l dramatic mai rapid decât Apriori pe seturi de date mari și dense.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/ro/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.
- Minarea Regulilor de Asociere (Apriori)Învățare automată↔ compare
- Extragerea seturilor frecvente de elemente ECLATÎnvățare automată↔ compare
- Analiza formală a conceptelor (FCA)Soft computing↔ compare
- Clustering K-MeansÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →