- About data scan: Apriori needs to

- About data scan: Apriori needs to scan the database repeatedly to accumulate a k-item supportand check the frequency. On the other hand, FP-growth algorithm needs 2 scan, once to identifyfrequent1-item set and second to build FP-tree.- About candidate generation: Apriori algorithm generates exponential number of candidate setand the self-join process of candidate generation itself is expensive. FP-growth algorithm doesnot generate any candidate set

ผลลัพธ์ (ไทย) 1:

-เกี่ยวกับข้อมูลการสแกน: Apriori ต้องสแกนฐานข้อมูลซ้ำ ๆ เพื่อสะสม supportand k-รายการตรวจสอบความถี่ บนมืออื่น ๆ FP เติบโตอัลกอริทึมต้อง 2 แกน เมื่อชุด identifyfrequent1-สินค้าและสองการสร้าง FP-ต้นไม้. - เกี่ยวกับผู้สมัครรุ่น: อัลกอริทึม Apriori สร้างหมายเลขเนนของ setand เป็น กระบวนการรวมกับตัวเองของผู้สร้างเองมีราคาแพง ไม่เจริญเติบโตของ FP อัลกอริทึมสร้างชุดใด ๆ ผู้สมัคร

ผลลัพธ์ (ไทย) 2:

- เกี่ยวกับการสแกนข้อมูล: Apriori ต้องการที่จะสแกนฐานข้อมูลซ้ำ ๆ เพื่อสะสม K-รายการ supportand ตรวจสอบความถี่ บนมืออื่น ๆ อัลกอริทึม FP-การเจริญเติบโตของความต้องการ 2 สแกนครั้งเพื่อ identifyfrequent1 รายการตั้งและครั้งที่สองในการสร้าง FP-tree.- เกี่ยวกับผู้สมัครรุ่น: Apriori ขั้นตอนวิธีการสร้างจำนวนชี้แจงของผู้สมัคร setand กระบวนการตนเองเข้าร่วมในรุ่นของตัวเองเป็นผู้สมัคร แพง อัลกอริทึม FP-การเจริญเติบโต doesnot สร้างชุดผู้สมัครใด ๆ

ผลลัพธ์ (ไทย) 3:

- ข้อมูลเกี่ยวกับการสแกน : aPriori ต้องสแกนฐานข้อมูลซ้ำ ๆเพื่อสะสมความ k-item ตรวจสอบความถี่ บนมืออื่น ๆ , ขั้นตอนวิธีการสแกน FP ความต้องการ 2 ครั้งเพื่อ identifyfrequent1 ชุดข้อสอบและสองเพื่อสร้าง FP ต้นไม้ - รุ่นเกี่ยวกับผู้สมัคร : ขั้นตอนวิธีแบบสร้างหมายเลขของผู้สมัคร setand ชี้แจงตนเองเข้าร่วมกระบวนการของผู้สมัครรุ่นตัวเอง คือ ราคาแพง ขั้นตอนวิธีการสร้าง tp ไม่ตั้งผู้สมัครใด ๆ