ECLAT Frequent-Itemset Mining
ECLAT, представленный Мохаммедом Заки в 2000 году, осуществляет поиск частых наборов элементов, используя вертикальное представление данных: вместо сканирования транзакций он хранит для каждого элемента множество идентификаторов транзакций (tidset), которые его содержат, и вычисляет поддержку любого набора элементов путем пересечения tidset'ов. Этот подход, основанный на пересечениях и поиске в глубину, быстр и эффективен по памяти, являясь альтернативой горизонтальным сканированиям Apriori и древовидному представлению FP-Growth.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/ru/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.
- Поиск ассоциативных правил (Apriori)Машинное обучение↔ compare
- Формальный анализ понятий (ФАП)Мягкие вычисления↔ compare
- FP-Рост (Рост часто встречаемых паттернов)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →