რა უპირატესობები აქვს FP ზრდის ალგორითმს?

2024 ავტორი: Lynn Donovan | [email protected]. ბოლოს შეცვლილი: 2023-12-15 23:49

FP ზრდის ალგორითმის უპირატესობები

ელემენტების დაწყვილება ამ ალგორითმში არ კეთდება და ეს აჩქარებს მას. მონაცემთა ბაზა ინახება კომპაქტურ ვერსიაში მეხსიერება . ის ეფექტური და მასშტაბურია როგორც გრძელი, ისე მოკლე ხშირი შაბლონების მაინინგისთვის.

ანალოგიურად, თქვენ შეიძლება იკითხოთ, რა არის FP ზრდის ალგორითმის გამოყენება?

Fp ზრდის ალგორითმი (ხშირი ნიმუში ზრდა ). FP ზრდის ალგორითმი არის აპრიორის გაუმჯობესება ალგორითმი . გამოყენებული FP ზრდის ალგორითმი ტრანზაქციების მონაცემთა ბაზაში ხშირი ერთეულების პოვნა კანდიდატის გენერირების გარეშე. FP ზრდა წარმოადგენს ხშირ ნივთებს ხშირი ნიმუშის ხეებში ან FP - ხე.

ანალოგიურად, რომელია უკეთესი Apriori ან FP ზრდის ახსნას მიზეზები? FP - ზრდა : ხშირი შაბლონების ეფექტური მაინინგ მეთოდი დიდ მონაცემთა ბაზაში: ძალიან კომპაქტური FP - ხე , დაყავი და იბატონე მეთოდი ბუნებაში. ორივე აპრიორი და FP - ზრდა მიზნად ისახავს გაარკვიოს შაბლონების სრული ნაკრები, მაგრამ, FP - ზრდა უფრო ეფექტურია ვიდრე აპრიორი გრძელი ნიმუშების მიმართ.

ასე რომ, რა არის FP ზრდის ალგორითმი?

The FP - ზრდის ალგორითმი ჰან ინის მიერ შემოთავაზებული, ეფექტური და მასშტაბირებადი მეთოდია ხშირი შაბლონების სრული ნაკრების მოპოვებისთვის ნიმუშის ფრაგმენტის მიხედვით ზრდა გაფართოებული პრეფიქსის გამოყენებით- ხე სტრუქტურა შეკუმშული და გადამწყვეტი ინფორმაციის შესანახად ხშირი შაბლონების შესახებ, სახელწოდებით ხშირი ნიმუში ხე ( FP - ხე ).

როგორ აშენებთ FP ხეს მონაცემთა მოპოვებაში?

მშენებლობა. მშენებლობა ა FP - ხე იყოფა სამ ძირითად ეტაპად. სკანირება მონაცემები დააყენეთ თითოეული ელემენტის მხარდაჭერის რაოდენობის დასადგენად, გააუქმეთ იშვიათი ელემენტები და დაალაგეთ ხშირი ელემენტები კლების მიხედვით. სკანირება მონაცემები დააყენეთ თითო ტრანზაქცია, რომ შექმნათ FP - ხე.