เปรียบเทียบวิธี

	การทำเหมืองชุดรายการที่พบบ่อยด้วย ECLAT	FP-Growth (Frequent Pattern Growth)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000	2000
ผู้ริเริ่ม	Mohammed J. Zaki	Jiawei Han, Jian Pei & Yiwen Yin
ประเภท	Frequent-itemset mining algorithm (vertical format)	Frequent-itemset mining algorithm
แหล่งต้นตำรับ	Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering, 12(3), 372–390.	Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12.
ชื่อเรียกอื่น	Eclat algorithm, vertical association mining, tidset intersection mining, ECLAT sık örüntü madenciliği	frequent pattern growth, FP-tree mining, FP-Growth algorithm, sık örüntü büyütme
ที่เกี่ยวข้อง	3	4
สรุป	ECLAT, introduced by Mohammed Zaki in 2000, mines frequent itemsets using a vertical data representation: instead of scanning transactions, it stores for each item the set of transaction IDs (a tidset) that contain it, and computes the support of any itemset by intersecting tidsets. This depth-first, intersection-based approach is fast and memory-efficient, an alternative to Apriori's horizontal scans and FP-Growth's tree.	FP-Growth, introduced by Jiawei Han, Jian Pei, and Yiwen Yin in 2000, mines frequent itemsets from transaction data without generating candidate sets, the costly step that slows the classic Apriori algorithm. It compresses the database into a frequent-pattern tree (FP-tree) in two scans, then grows frequent patterns recursively from that structure, making it dramatically faster than Apriori on large, dense datasets.