Quels sont les avantages de l'algorithme de croissance FP?
Quels sont les avantages de l'algorithme de croissance FP?

Vidéo: Quels sont les avantages de l'algorithme de croissance FP?

Vidéo: Quels sont les avantages de l'algorithme de croissance FP?
Vidéo: Comprendre l'algorithme de Facebook : 5 étapes d'évaluation 2024, Peut
Anonim

Avantages de l'algorithme de croissance FP

L'appariement des éléments ne se fait pas dans cet algorithme et cela le rend plus rapide. La base de données est stockée dans une version compacte dans Mémoire . Il est efficace et évolutif pour extraire des modèles fréquents longs et courts.

De même, vous pouvez vous demander quelle est l'utilisation de l'algorithme de croissance FP ?

Algorithme de croissance Fp (Modèle fréquent croissance ). Algorithme de croissance FP est une amélioration d'a priori algorithme . Algorithme de croissance FP utilisé pour rechercher des éléments fréquents dans une base de données de transactions sans génération de candidats. Croissance de la PF représente des éléments fréquents dans des arbres de motifs fréquents ou PF - arbre.

De même, lequel est le meilleur Apriori ou croissance PF expliquer les raisons ? PF - croissance : une méthode d'extraction efficace de motifs fréquents dans une grande base de données: en utilisant un PF - arbre , méthode diviser pour régner dans la nature. Les deux A priori et PF - Croissance visent à découvrir un ensemble complet de modèles mais, PF - Croissance est plus efficace que A priori en ce qui concerne les modèles longs.

Justement, qu'est-ce que l'algorithme de croissance FP ?

Les PF - Algorithme de croissance , proposé par Han in, est une méthode efficace et évolutive pour extraire l'ensemble complet des motifs fréquents par fragment de motif croissance , en utilisant un préfixe étendu- arbre structure pour stocker des informations compressées et cruciales sur les modèles fréquents nommée fréquente-modèle arbre ( PF - arbre ).

Comment construire un arbre FP en data mining ?

Construction. La construction d'un PF - arbre se subdivise en trois grandes étapes. Scannez le Les données défini pour déterminer le nombre de supports de chaque élément, supprimez les éléments peu fréquents et triez les éléments fréquents par ordre décroissant. Scannez le Les données définir une transaction à la fois pour créer le PF - arbre.

Conseillé: