เปรียบเทียบวิธี

	กฎความสัมพันธ์ออนไลน์	FP-Growth (Frequent Pattern Growth)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1996	2000
ผู้ริเริ่ม	Cheung, D. W., Han, J., Ng, V. T., & Wong, C. Y.	Jiawei Han, Jian Pei & Yiwen Yin
ประเภท	Incremental / streaming pattern mining	Frequent-itemset mining algorithm
แหล่งต้นตำรับ	Cheung, D. W., Han, J., Ng, V. T., & Wong, C. Y. (1996). Maintenance of discovered association rules in large databases: an incremental updating technique. In Proceedings of the 12th International Conference on Data Engineering (ICDE 1996), pp. 106–114. IEEE.	Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12.
ชื่อเรียกอื่น	Incremental association rule mining, Streaming association rules, Online ARM, Incremental ARM	frequent pattern growth, FP-tree mining, FP-Growth algorithm, sık örüntü büyütme
ที่เกี่ยวข้อง	5	4
สรุป	Online association rule mining discovers if-then patterns (e.g., buying bread implies buying butter) from transactional data that arrives incrementally or as a stream, updating existing rules and item counts without re-scanning the entire historical database each time new records arrive.	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.