Защо растежът на FP е по-добър от Apriori?
Защо растежът на FP е по-добър от Apriori?

Видео: Защо растежът на FP е по-добър от Apriori?

Видео: Защо растежът на FP е по-добър от Apriori?
Видео: Колко Повторения Трябва Да Правиш За Максимален Растеж 2024, Декември
Anonim

Позволява често откриване на набор от артикули без генериране на кандидати.

FP Растеж :

Параметри Априори Алгоритъм Fp дърво
Използване на паметта Изисква голямо количество памет поради голям брой генерирани кандидати. Изисква малко пространство в паметта поради компактната структура и липсата на генериране на кандидати.

Освен това кое е по-добро от Apriori или FP за растеж?

FP - растеж : ефективен метод за копаене на чести модели в голяма база данни: използвайки изключително компактен FP - дърво , метод разделяй и владей в природата. И двете Априори и FP - Растеж се стремят да открият пълен набор от модели, но, FP - Растеж е по-ефективен от Априори по отношение на дългите модели.

Освен по-горе, какво представлява алгоритъмът за растеж на FP? В FP - Алгоритъм за растеж , предложен от Han in, е ефективен и мащабируем метод за копаене на пълния набор от чести шаблони по фрагмент на шаблон растеж , използвайки разширен префикс- дърво структура за съхранение на компресирана и важна информация за често срещани модели, наречени Честотен модел дърво ( FP - дърво ).

По същия начин, какви са предимствата на алгоритъма за растеж на FP?

Предимства на алгоритъма за растеж на FP Сдвояването на елементи не се извършва в този алгоритъм и това го прави по-бърз. Базата данни се съхранява в компактна версия в памет . Той е ефективен и мащабируем за копаене както на дълги, така и на къси чести модели.

Какво е собственост на Apriori?

В Априорна собственост е Имот показва, че стойностите на критериите за оценка на последователните модели са по-малки или равни на тези на техните последователни подмодели. Научете повече в: Sequential Pattern Mining от Sequential Data.

Препоръчано: