FP-Growth (Frequent Pattern Growth)
FP-Growth, som introducerades av Jiawei Han, Jian Pei och Yiwen Yin år 2000, utvinner frekventa itemsets från transaktionsdata utan att generera kandidatuppsättningar, det kostsamma steg som saktar ner den klassiska Apriori-algoritmen. Den komprimerar databasen till ett frekvent-mönster-träd (FP-träd) i två genomsökningar, och växer sedan frekventa mönster rekursivt från den strukturen, vilket gör den dramatiskt snabbare än Apriori på stora, täta dataset.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/sv/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.
- Association Rule Mining (Apriori)Maskininlärning↔ compare
- ECLAT Frekvent PostmängdsutvinningMaskininlärning↔ compare
- Formell konceptanalys (FCA)Soft computing↔ compare
- K-Means-klustringMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →