Apriori算法的优缺点
优点:
1) Apriori算法采用逐层搜索的迭代方法,算法简单明了,没有复杂的理论推导,也易于实现。
2) 数据采用水平组织方式
3)采用Apriori 优化方法
4)适合事务数据库的关联规则挖掘。
5)适合稀疏数据集:根据以往的研究,该算法只能适合稀疏数据集的关联规则挖掘,也就是频繁项目集的长度稍小的数据集。
缺陷:
1)对数据库的扫描次数过多。
2) Apriori算法可能产生大量的候选项集。
3)在频繁项目集长度变大的情况下,运算时间显著增加。
4)采用唯一支持度,没有考虑各个属性重要程度的不同。
5)算法的适应面窄。
FP-growth算法的优缺点
优点:
1)没有生成候选项集。
2)对数据库的扫描次数少。
3)FP-tree是一个高度压缩的结构,它存储了用于挖掘频繁项集的全部信息。
4)在简单挖掘下,速度快,效率高。
缺点:
1)树的子节点过多,例如生成了只包含前缀的树,那么也会导致算法效率大幅度下降。
2)FP-Growth算法需要递归生成条件数据库和条件FP-tree,所以内存开销大
3)只能用于挖掘单维的布尔关联规则。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
文章由极客之家整理,本文链接:https://www.bmabk.com/index.php/post/103082.html