لماذا نمو FP أفضل من Apriori؟
لماذا نمو FP أفضل من Apriori؟

فيديو: لماذا نمو FP أفضل من Apriori؟

فيديو: لماذا نمو FP أفضل من Apriori؟
فيديو: الفصل الخامس مادة مستودع البيانات والتنقيب خوارزمية ابريوري Apriori Algorithm 2024, يمكن
Anonim

يسمح باكتشاف مجموعة العناصر بشكل متكرر دون إنشاء مرشح.

نمو FP :

العوامل أبريوري الخوارزمية شجرة Fp
استخدام الذاكرة يتطلب قدرًا كبيرًا من مساحة الذاكرة نظرًا لتوليد عدد كبير من المرشحين. يتطلب مساحة صغيرة من الذاكرة بسبب الهيكل المضغوط وعدم وجود جيل مرشح.

علاوة على ذلك ، أيهما أفضل نمو Apriori أو FP؟

FP - نمو : طريقة تعدين فعالة للأنماط المتكررة في قاعدة بيانات كبيرة: باستخدام حجم مضغوط للغاية FP - شجرة ، طريقة فرّق تسد في الطبيعة. على حد سواء أبريوري و FP - نمو يهدفون إلى اكتشاف مجموعة كاملة من الأنماط ولكن ، FP - نمو أكثر كفاءة من أبريوري فيما يتعلق بالأنماط الطويلة.

بجانب ما سبق ، ما هي خوارزمية نمو FP؟ ال FP - خوارزمية النمو ، التي اقترحها هان إن ، هي طريقة فعالة وقابلة للتطوير لتعدين مجموعة كاملة من الأنماط المتكررة حسب جزء النمط نمو ، باستخدام بادئة ممتدة- شجرة هيكل لتخزين المعلومات المضغوطة والحاسمة حول الأنماط المتكررة المسماة بالنمط المتكرر شجرة ( FP - شجرة ).

وبالمثل ، ما هي مزايا خوارزمية النمو FP؟

مزايا خوارزمية نمو FP لا يتم إقران العناصر في هذه الخوارزمية وهذا يجعلها أسرع. يتم تخزين قاعدة البيانات في إصدار مضغوط بتنسيق ذاكرة . إنه فعال وقابل للتطوير للتعدين بالأنماط المتكررة الطويلة والقصيرة.

ما هي خاصية Apriori؟

ال ملكية Apriori هل خاصية تبين أن قيم معايير التقييم للأنماط المتسلسلة أصغر من أو تساوي تلك الخاصة بأنماطها الفرعية المتسلسلة. تعرف على المزيد في: التنقيب عن الأنماط المتسلسلة من البيانات المتسلسلة.

موصى به: