This algorithm comprises two major

This algorithm comprises two major steps :
First : compress a large database into a compact, Frequent
Pattern tree(FP-tree) structure.
Secondly : develop an efficient, FP-tree based frequent pattern
mining.
The major difference between FP-growth and the Apriori
algorithm discussed above is that FP-growth does not
generates the candidate itemsets and then tests

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมนี้ประกอบด้วยขั้นตอนหลักที่สอง:แรก: บีบอัดฐานข้อมูลขนาดใหญ่เป็นขนาดกะทัดรัด บ่อยรูปแบบโครงสร้าง tree(FP-tree)ประการที่สอง: พัฒนามีประสิทธิภาพ FP ต้นไม้ตามรูปแบบที่พบบ่อยเหมืองแร่สำคัญต่างเติบโต FP Aprioriอัลกอริทึมที่กล่าวข้างต้นเป็น FP เติบโตไม่ได้สร้าง itemsets ผู้สมัคร และทดสอบแล้ว

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมนี้ประกอบด้วยสองขั้นตอนสำคัญ:
แม่: บีบอัดฐานข้อมูลขนาดใหญ่เป็นขนาดกะทัดรัดบ่อย
ต้นไม้แบบ (FP-ต้นไม้) โครงสร้าง.
ประการที่สอง: การพัฒนาที่มีประสิทธิภาพ, FP-ต้นไม้ตามรูปแบบที่พบบ่อย
ทำเหมืองแร่.
ความแตกต่างที่สำคัญระหว่าง FP-การเจริญเติบโตและ apriori
อัลกอริทึมที่กล่าวข้างต้นก็คือว่า FP-การเจริญเติบโตไม่ได้
สร้าง itemsets ผู้สมัครแล้วทดสอบ

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีนี้ประกอบด้วยสองขั้นตอนหลัก :แรก : บีบอัดฐานข้อมูลขนาดใหญ่ในขนาดกะทัดรัด บ่อย ๆต้นไม้รูปแบบ ( FP ต้นไม้โครงสร้างประการที่สอง : การพัฒนาที่มีประสิทธิภาพ , ต้นไม้ FP แบบบ่อยตามเหมืองแร่แตกต่างที่สำคัญระหว่างการเจริญเติบโต FP และพารามิเตอร์วิธีที่กล่าวข้างต้นคือการเจริญเติบโตที่ FP ไม่ได้สร้างและทดสอบผู้สมัคร itemsets