FP-Рост (Рост часто встречаемых паттернов)
FP-Growth, представленный Цзявэем Ханом, Цзянь Пэем и Ивэнь Инь в 2000 году, извлекает частые наборы элементов из транзакционных данных без генерации кандидатных наборов — дорогостоящего этапа, замедляющего классический алгоритм Apriori. Он сжимает базу данных в дерево частых паттернов (FP-tree) за два прохода, а затем рекурсивно строит частые паттерны из этой структуры, что делает его значительно быстрее Apriori на больших, плотных наборах данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/ru/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.
- Поиск ассоциативных правил (Apriori)Машинное обучение↔ compare
- ECLAT Frequent-Itemset MiningМашинное обучение↔ compare
- Формальный анализ понятий (ФАП)Мягкие вычисления↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →