FP-Growth (rast častých vzorov)
FP-Growth, predstavený Jiawei Hanom, Jian Peim a Yiwen Yinom v roku 2000, ťaží časté množiny položiek z transakčných dát bez generovania kandidátskych množín, čo je nákladný krok spomaľujúci klasický algoritmus Apriori. Komprimuje databázu do stromu častých vzorov (FP-strom) v dvoch prechodoch, a potom rekurzívne rozširuje časté vzory z tejto štruktúry, čím je dramaticky rýchlejší ako Apriori na veľkých, hustých dátových súboroch.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/sk/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.
- Dolovanie asociačných pravidiel (Apriori)Strojové učenie↔ compare
- ECLAT – dolovanie častých množín položiekStrojové učenie↔ compare
- Formálna analýza konceptov (FCA)Soft computing↔ compare
- K-Means ClusteringStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →