FP-Growth (Frequent Pattern Growth)
FP-Growth, представлений Цзявей Ханем, Цзянь Пеєм та Ївень Їном у 2000 році, видобуває часті набори елементів із транзакційних даних без генерації кандидатів — дорогого етапу, який уповільнює класичний алгоритм Apriori. Він стискає базу даних у дерево частих патернів (FP-tree) за два проходи, а потім рекурсивно вирощує часті патерни з цієї структури, що робить його значно швидшим за Apriori на великих, щільних наборах даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). FP-Growth (Frequent Pattern Growth). ScholarGate. https://scholargate.app/uk/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.
- Видобування асоціативних правил (Apriori)Машинне навчання↔ compare
- Видобування частих наборів елементів ECLATМашинне навчання↔ compare
- Формальний аналіз понять (ФАП)М'які обчислення↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →