Видобування частих наборів елементів ECLAT
ECLAT, представлений Мохаммедом Закі у 2000 році, видобуває часті набори елементів за допомогою вертикального представлення даних: замість сканування транзакцій, він зберігає для кожного елемента множину ідентифікаторів транзакцій (tidset), які його містять, і обчислює підтримку будь-якого набору елементів шляхом перетину tidset. Цей підхід, заснований на глибинному пошуку та перетині, є швидким і ефективним з точки зору пам'яті, альтернативою горизонтальному скануванню Apriori та дереву FP-Growth.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering, 12(3), 372–390. DOI: 10.1109/69.846291 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/uk/machine-learning/eclat
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.
- Видобування асоціативних правил (Apriori)Машинне навчання↔ compare
- Формальний аналіз понять (ФАП)М'які обчислення↔ compare
- FP-Growth (Frequent Pattern Growth)Машинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →