Waarom FP-groei beter is as Apriori?
Waarom FP-groei beter is as Apriori?

Video: Waarom FP-groei beter is as Apriori?

Video: Waarom FP-groei beter is as Apriori?
Video: Lecture Dick Sterenborg Elastic Scattering Spectroscopy Part 1 2024, Mei
Anonim

Dit laat gereelde ontdekking van items toe sonder om kandidate te genereer.

FP Groei :

Grense Apriori Algoritme Fp boom
Geheue gebruik Dit verg groot hoeveelheid geheuespasie as gevolg van die groot aantal kandidate wat gegenereer word. Dit vereis 'n klein hoeveelheid geheue spasie as gevolg van kompakte struktuur en geen kandidaat generasie.

Verder, watter een is beter Apriori- of FP-groei?

FP - groei : 'n doeltreffende mynmetode van gereelde patrone in groot databasis: met behulp van 'n hoogs kompakte FP - boom , verdeel-en-oorheers-metode in die natuur. Albei Apriori en FP - Groei poog om volledige stel patrone uit te vind, maar, FP - Groei is meer doeltreffend as Apriori met betrekking tot lang patrone.

Behalwe hierbo, wat is FP-groeialgoritme? Die FP - Groei-algoritme , voorgestel deur Han in, is 'n doeltreffende en skaalbare metode vir die ontginning van die volledige stel gereelde patrone volgens patroonfragment groei , met behulp van 'n uitgebreide voorvoegsel- boom struktuur vir die stoor van saamgeperste en deurslaggewende inligting oor gereelde patrone genaamd gereelde patroon boom ( FP - boom ).

Net so, wat is die voordele van FP-groeialgoritme?

Voordele van FP-groeialgoritme Die paring van items word nie in hierdie algoritme gedoen nie en dit maak dit vinniger. Die databasis word gestoor in 'n kompakte weergawe in geheue . Dit is doeltreffend en skaalbaar vir die ontginning van beide lang en kort gereelde patrone.

Wat is Apriori-eiendom?

Die Apriori eiendom is die eiendom wat aantoon dat waardes van evalueringskriteria van opeenvolgende patrone kleiner as of gelyk is aan dié van hul opeenvolgende subpatrone. Kom meer te wete in: Sekwensiële patroonontginning vanaf opeenvolgende data.

Aanbeveel: