FP-Growth (Frequent Pattern Growth)
FP-Growth ซึ่งนำเสนอโดย Jiawei Han, Jian Pei และ Yiwen Yin ในปี 2000 เป็นอัลกอริทึมสำหรับการค้นหารูปแบบที่เกิดขึ้นบ่อย (frequent itemsets) จากข้อมูลธุรกรรม โดยไม่ต้องสร้างชุดข้อมูลผู้สมัคร (candidate sets) ซึ่งเป็นขั้นตอนที่ใช้ทรัพยากรมากและทำให้ Apriori algorithm แบบดั้งเดิมทำงานช้าลง อัลกอริทึมนี้บีบอัดฐานข้อมูลให้อยู่ในรูปแบบต้นไม้รูปแบบที่เกิดขึ้นบ่อย (frequent-pattern tree หรือ FP-tree) ด้วยการสแกนเพียงสองครั้ง จากนั้นจึงสร้างรูปแบบที่เกิดขึ้นบ่อยแบบเวียนซ้ำ (recursively) จากโครงสร้างดังกล่าว ทำให้ทำงานได้เร็วกว่า Apriori อย่างมากบนชุดข้อมูลขนาดใหญ่และหนาแน่น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/th/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.
- การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)การเรียนรู้ของเครื่อง↔ compare
- การทำเหมืองชุดรายการที่พบบ่อยด้วย ECLATการเรียนรู้ของเครื่อง↔ compare
- การวิเคราะห์แนวคิดเชิงรูปนัย (Formal Concept Analysis - FCA)การคำนวณแบบอ่อน↔ compare
- การจัดกลุ่มแบบ K-Meansการเรียนรู้ของเครื่อง↔ compare