Częste wykrywanie wzorców

Częste wykrywanie wzorców (lub wykrywanie FP , eksploracja FP lub eksploracja zestawu częstych elementów ) jest częścią odkrywania wiedzy w bazach danych , masowej analizie online i eksploracji danych ; opisuje zadanie znalezienia najczęstszych i odpowiednich wzorców w dużych zbiorach danych. Koncepcja ta została po raz pierwszy wprowadzona do baz danych transakcji wyszukiwania. Częste wzorce są definiowane jako podzbiory (zestawy elementów, podsekwencje lub podstruktury), które pojawiają się w zbiorze danych z częstotliwością nie mniejszą niż próg określony przez użytkownika lub określony automatycznie.

Techniki

Techniki wydobywania FP obejmują:

• analiza koszyka rynkowego
• marketing krzyżowy
• projekt katalogu
• grupowanie
• Klasyfikacja
• systemy rekomendacji

W przeważającej części wykrywanie FP można przeprowadzić za pomocą uczenia się reguł asocjacyjnych z określonymi algorytmami Eclat , FP-growth i algorytmem Apriori .

Inne strategie obejmują:

• Częste wydobywanie poddrzewa
• Eksploracja struktur
• Eksploracja wzorców sekwencyjnych

i odpowiednie specyficzne techniki.

Implementacje istnieją dla różnych systemów lub modułów uczenia maszynowego, takich jak MLlib dla Apache Spark .