Tại sao FP tăng trưởng tốt hơn Apriori?
Tại sao FP tăng trưởng tốt hơn Apriori?

Video: Tại sao FP tăng trưởng tốt hơn Apriori?

Video: Tại sao FP tăng trưởng tốt hơn Apriori?
Video: Khai phá dữ liệu - Th. Quang - Buổi 7 2024, Tháng mười một
Anonim

Nó cho phép khám phá tập hợp mục thường xuyên mà không cần tạo ứng viên.

Tăng trưởng FP :

Thông số Apriori Thuật toán Cây Fp
Sử dụng bộ nhớ Nó yêu cầu một lượng lớn không gian bộ nhớ do số lượng lớn các ứng cử viên được tạo ra. Nó yêu cầu một lượng nhỏ không gian bộ nhớ do cấu trúc nhỏ gọn và không có ứng viên.

Hơn nữa, cái nào tốt hơn Apriori hay FP tăng trưởng?

FP - sự phát triển : một phương pháp khai thác hiệu quả các mẫu thường xuyên trong Cơ sở dữ liệu lớn: sử dụng FP - cây , phương pháp chia để trị trong tự nhiên. Cả hai Apriori và FP - Sự phát triển đang nhằm mục đích tìm ra bộ mẫu hoàn chỉnh nhưng, FP - Sự phát triển hiệu quả hơn Apriori đối với các mẫu dài.

Ngoài phần trên, thuật toán tăng trưởng FP là gì? Các FP - Thuật toán tăng trưởng , được đề xuất bởi Han in, là một phương pháp hiệu quả và có thể mở rộng để khai thác toàn bộ các mẫu thường xuyên theo mảnh mẫu sự phát triển , sử dụng tiền tố mở rộng- cây cấu trúc để lưu trữ thông tin được nén và quan trọng về các mẫu thường xuyên có tên là mẫu thường xuyên cây ( FP - cây ).

Tương tự như vậy, lợi thế của thuật toán tăng trưởng FP là gì?

Ưu điểm của thuật toán tăng trưởng FP Việc ghép nối các mục không được thực hiện trong thuật toán này và điều này làm cho nó nhanh hơn. Cơ sở dữ liệu được lưu trữ trong một phiên bản nhỏ gọn trong kỉ niệm . Nó hiệu quả và có thể mở rộng để khai thác cả các mẫu thường xuyên dài và ngắn.

Tài sản Apriori là gì?

Các Tài sản Apriori là bất động sản cho thấy rằng các giá trị của tiêu chí đánh giá của các mẫu tuần tự nhỏ hơn hoặc bằng giá trị của các tiêu chí con tuần tự của chúng. Tìm hiểu thêm trong: Khai thác mẫu tuần tự từ dữ liệu tuần tự.

Đề xuất: