¿Por qué el crecimiento de FP es mejor que Apriori?
¿Por qué el crecimiento de FP es mejor que Apriori?

Video: ¿Por qué el crecimiento de FP es mejor que Apriori?

Video: ¿Por qué el crecimiento de FP es mejor que Apriori?
Video: Final de 2022: NUEVOS CAMBIOS EN LA FP ESPAÑOLA 2024, Mayo
Anonim

Permite el descubrimiento frecuente de conjuntos de elementos sin la generación de candidatos.

Crecimiento de FP :

Parámetros A priori Algoritmo Árbol de fp
Utilización de la memoria Requiere una gran cantidad de espacio de memoria debido a la gran cantidad de candidatos generados. Requiere una pequeña cantidad de espacio de memoria debido a su estructura compacta y sin generación de candidatos.

Además, ¿cuál es mejor crecimiento a priori o FP?

FP - crecimiento : un método de minería eficiente de patrones frecuentes en grandes bases de datos: utilizando un sistema altamente compacto FP - árbol , método de divide y vencerás en la naturaleza. Ambos A priori y FP - Crecimiento tienen como objetivo descubrir un conjunto completo de patrones, pero FP - Crecimiento es más eficiente que A priori con respecto a patrones largos.

Además de lo anterior, ¿qué es el algoritmo de crecimiento de FP? los FP - Algoritmo de crecimiento , propuesto por Han in, es un método eficiente y escalable para extraer el conjunto completo de patrones frecuentes por fragmento de patrón crecimiento , usando un prefijo extendido árbol estructura para almacenar información comprimida y crucial sobre patrones frecuentes denominada patrón frecuente árbol ( FP - árbol ).

Asimismo, ¿cuáles son las ventajas del algoritmo de crecimiento de FP?

Ventajas del algoritmo de crecimiento FP El emparejamiento de elementos no se realiza en este algoritmo y esto lo hace más rápido. La base de datos se almacena en una versión compacta en memoria . Es eficiente y escalable para minar patrones frecuentes tanto largos como cortos.

¿Qué es la propiedad Apriori?

los Propiedad Apriori es el propiedad mostrando que los valores de los criterios de evaluación de los patrones secuenciales son menores o iguales a los de sus subpatrones secuenciales. Obtenga más información en: Minería de patrones secuenciales a partir de datos secuenciales.

Recomendado: