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[5,9].

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมนี้ประกอบด้วยขั้นตอนหลักที่สอง:แรก: บีบอัดฐานข้อมูลขนาดใหญ่เป็นโครงสร้างขนาดเล็ก รูปบ่อย tree(FP-tree)ประการที่สอง: พัฒนามีประสิทธิภาพ FP ต้นไม้ใช้ทำเหมืองแร่รูปแบบบ่อยความแตกต่างที่สำคัญระหว่างเติบโต FP และอัลกอริทึม Apriori ที่กล่าวข้างต้นเป็นที่เจริญเติบโตของ FP สร้าง itemsets ผู้สมัครและทดสอบแล้ว [5,9]

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมนี้ประกอบด้วยสองขั้นตอนสำคัญ:
แม่: บีบอัดฐานข้อมูลขนาดใหญ่เป็นขนาดกะทัดรัดต้นไม้แบบบ่อย (FP-ต้นไม้) โครงสร้าง.
ประการที่สอง: การพัฒนาที่มีประสิทธิภาพ, FP-ต้นไม้ตามการทำเหมืองแร่ในรูปแบบที่พบบ่อย.
ความแตกต่างที่สำคัญระหว่าง FP-การเจริญเติบโตและ อัลกอริทึม apriori กล่าวข้างต้นก็คือว่า FP-การเจริญเติบโตไม่ได้สร้าง itemsets ผู้สมัครแล้วทดสอบ [5,9]

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีนี้ประกอบด้วยสองขั้นตอนหลัก :แรก : บีบอัดฐานข้อมูลขนาดใหญ่เป็นขนาดเล็กต้นไม้รูปแบบบ่อย ( FP ต้นไม้โครงสร้างประการที่สอง : การพัฒนาที่มีประสิทธิภาพ , FP ตามต้นไม้บ่อย รูปแบบการทำเหมืองความแตกต่างที่สำคัญระหว่าง FP การเจริญเติบโตและขั้นตอนวิธีแบบที่กล่าวข้างต้นคือการเจริญเติบโตที่ FP ไม่ได้สร้างผู้สมัคร itemsets แล้วทดสอบ [ 5,9 ]