文件名称：基于FP-Growth的关联规则挖掘算法-机器学习算法总结ppt
文件大小：2.13MB
文件格式：PPT
更新时间：2024-05-16 04:16:50
机器学习算法
基于FP-Growth的关联规则挖掘算法 AProiri算法需要产生大量候选项集,而且需要多次扫描数据 库,然后通过模式匹配检查一个很大的候选集合,在挖掘 长模式时, 算法性能退化很快。Hna提出了一种频繁模式 增长算法(FP-Growth)，不产生候选集而直接产生全部频 繁项集。 FP-Growth算法采用了分而治之策略: 首先，将提供频繁项集的数据库压缩成一棵频繁模式树(FP)， 该树仍保留项集关联信息,然后，将这种压缩后的数据库划分成一组条 件数据库，每个数据库关联一个频繁项，并分别挖掘每个条件数据库。 理论和实验表明该算法优于Apriori算法