Perché la crescita FP è migliore di Apriori?
Perché la crescita FP è migliore di Apriori?

Video: Perché la crescita FP è migliore di Apriori?

Video: Perché la crescita FP è migliore di Apriori?
Video: Investire in azioni: quando investire in un'azione | Il metodo migliore 2024, Novembre
Anonim

Consente il rilevamento frequente di set di elementi senza generazione di candidati.

Crescita FP :

Parametri A priori Algoritmo albero fp
Utilizzo della memoria Richiede una grande quantità di spazio di memoria a causa del gran numero di candidati generati. Richiede una piccola quantità di spazio di memoria a causa della struttura compatta e nessuna generazione di candidati.

Del resto, quale è meglio Apriori o FP in crescita?

FP - crescita : un metodo di mining efficiente di pattern frequenti in un database di grandi dimensioni: utilizzo di un'interfaccia altamente compatta FP - albero , metodo divide et impera in natura. Entrambi A priori e FP - Crescita mirano a scoprire una serie completa di modelli ma, FP - Crescita è più efficiente di A priori rispetto ai modelli lunghi.

Oltre a sopra, qual è l'algoritmo di crescita FP? Il FP - Algoritmo di crescita , proposto da Han in, è un metodo efficiente e scalabile per estrarre l'insieme completo di pattern frequenti per frammento di pattern crescita , utilizzando un prefisso esteso- albero struttura per la memorizzazione di informazioni compresse e cruciali su modelli frequenti denominata pattern-frequenza albero ( FP - albero ).

Allo stesso modo, quali sono i vantaggi dell'algoritmo di crescita FP?

Vantaggi dell'algoritmo di crescita FP L'abbinamento degli elementi non viene eseguito in questo algoritmo e questo lo rende più veloce. Il database è archiviato in una versione compatta in memoria . È efficiente e scalabile per il mining di pattern frequenti sia lunghi che brevi.

Cos'è la proprietà Apriori?

Il Proprietà Apriori è il proprietà mostrando che i valori dei criteri di valutazione dei pattern sequenziali sono inferiori o uguali a quelli dei loro sottopattern sequenziali. Ulteriori informazioni in: Sequential Pattern Mining da dati sequenziali.

Consigliato: