เปรียบเทียบวิธี

	FP-Growth (Frequent Pattern Growth)	การทำเหมืองชุดรายการที่พบบ่อยด้วย ECLAT
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000	2000
ผู้ริเริ่ม	Jiawei Han, Jian Pei & Yiwen Yin	Mohammed J. Zaki
ประเภท	Frequent-itemset mining algorithm	Frequent-itemset mining algorithm (vertical format)
แหล่งต้นตำรับ	Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12.	Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering, 12(3), 372–390.
ชื่อเรียกอื่น	frequent pattern growth, FP-tree mining, FP-Growth algorithm, sık örüntü büyütme	Eclat algorithm, vertical association mining, tidset intersection mining, ECLAT sık örüntü madenciliği
ที่เกี่ยวข้อง	4	3
สรุป	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.	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.