基于FP-Growth的关联规则挖掘算法-机器学习算法总结ppt

时间:2024-05-16 04:16:50
【文件属性】:

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


网友评论