Machine learningPattern mining
ECLAT 频繁项集挖掘
ECLAT 由 Mohammed Zaki 于 2000 年提出，它使用垂直数据表示来挖掘频繁项集：它不扫描事务，而是为每个项存储包含该项的事务 ID 集合（即 tidset），并通过交集 tidset 来计算任何项集的支持度。这种深度优先、基于交集的方法快速且内存高效，是 Apriori 的水平扫描和 FP-Growth 的树结构的替代方案。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 2). ECLAT (Equivalence Class Clustering and Bottom-up Lattice Traversal). ScholarGate. https://scholargate.app/zh/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.
Compare side by side →