Mengapa pertumbuhan FP lebih baik daripada Apriori?
Mengapa pertumbuhan FP lebih baik daripada Apriori?

Video: Mengapa pertumbuhan FP lebih baik daripada Apriori?

Video: Mengapa pertumbuhan FP lebih baik daripada Apriori?
Video: Mengapa Saya Tetap MENYARANKAN ANAK MUDA Lebih Baik Menjadi INVESTOR SAHAM Dibanding TRADER SAHAM? 2024, November
Anonim

Ini memungkinkan penemuan kumpulan item yang sering tanpa pembuatan kandidat.

Pertumbuhan FP :

Parameter apriori algoritma Pohon Fp
Pemanfaatan memori Hal ini membutuhkan sejumlah besar ruang memori karena sejumlah besar kandidat yang dihasilkan. Hal ini membutuhkan sejumlah kecil ruang memori karena struktur kompak dan tidak ada generasi calon.

Lagi pula, mana yang lebih baik pertumbuhan Apriori atau FP?

FP - pertumbuhan : metode penambangan yang efisien dari pola yang sering dalam database besar: menggunakan yang sangat kompak FP - pohon , metode membagi-dan-menaklukkan di alam. Keduanya apriori dan FP - Pertumbuhan bertujuan untuk mengetahui rangkaian pola yang lengkap tetapi, FP - Pertumbuhan lebih efisien daripada apriori sehubungan dengan pola panjang.

Selain di atas, apa itu algoritma pertumbuhan FP? NS FP - Algoritma Pertumbuhan , diusulkan oleh Han in, adalah metode yang efisien dan skalabel untuk menambang set lengkap pola yang sering dengan fragmen pola pertumbuhan , menggunakan awalan yang diperluas- pohon struktur untuk menyimpan informasi terkompresi dan penting tentang pola yang sering disebut pola sering pohon ( FP - pohon ).

Demikian juga, apa keuntungan dari algoritma pertumbuhan FP?

Keuntungan Algoritma Pertumbuhan FP Pemasangan item tidak dilakukan dalam algoritma ini dan ini membuatnya lebih cepat. Basis data disimpan dalam versi ringkas di Penyimpanan . Ini efisien dan skalabel untuk menambang pola frekuensi panjang dan pendek.

Apa itu properti Apriori?

NS Properti apriori adalah Properti menunjukkan bahwa nilai kriteria evaluasi pola sekuensial lebih kecil dari atau sama dengan nilai dari subpola sekuensialnya. Pelajari lebih lanjut di: Penambangan Pola Sekuensial dari Data Sekuensial.

Direkomendasikan: