fp-growth和apriori的区别

答案:2 悬赏:0 手机版

解决时间 2021-03-12 23:07

提问者网友：心如荒岛囚我终老
2021-03-12 03:01

最佳答案

五星知识达人网友：爱难随人意
2021-03-12 03:48

经典的关联规则挖掘算法包括Apriori算法和FP-growth算法。apriori算法多次扫描交易数据库，每次利用候选频繁集产生频繁集；而FP-growth则利用树形结构，无需产生候选频繁集而是直接得到频繁集，大大减少扫描交易数据库的次数，从而提高了算法的效率。但是apriori的算法扩展性较好，可以用于并行计算等领域。
　　Apriori algorithm是关联规则里一项基本算法。是由Rakesh Agrawal和Ramakrishnan Srikant两位博士在1994年提出的关联规则挖掘算法。关联规则的目的就是在一个数据集中找出项与项之间的关系，也被称为购物蓝分析（Market Basket analysis），因为“购物蓝分析”很贴切的表达了适用该算法情景中的一个子集。

全部回答

1楼网友：长青诗
2021-03-12 05:24

基本思路：不断地迭代fp-tree 的构造和投影过程算法描述如下： 1、对于每个频繁项，构造它的条件投影数据库和投影fp-tree。 2、对每个新构建的fp-tree重复这个过程，直到构造的新fp-tree为空，或者只包含一条路径。 3、当构造的fp-tree为空时，其前缀即为频繁模式；当只包含一条路径时，通过枚举所有可能组合并与此树的前缀连接即可得到频繁模式。

我要举报

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息