MENTAL MODEL · M6631
FP-Growth算法
Frequent Pattern Growth
更新于 2026-08-09
CORE DEFINITION · 核心定义
由韩家炜等人于2000年提出的频繁模式挖掘算法：核心结构：- FP-Tree：压缩存储事务数据库的树结构- 头表：按频率降序排列的频繁项及其链接算法步骤：1. 扫描数据库，识别频繁项2. 构建FP-Tree压缩存储事务3. 从FP-Tree中挖掘频繁模式（无需生成候选集）
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
压缩存储，高效挖掘。相比Apriori算法需要多次扫描数据库并生成大量候选集，FP-Growth只需两次扫描，通过FP-Tree的压缩存储大幅提高效率。
anchor
锚定快速决策
由韩家炜等人于 2000 年提出的频繁模式挖掘算法。核心是用 **FP-Tree** 压缩存储事务数据库（仅两次扫描），再从头表按频率降序挖掘频繁项集，**无需生成候选集**。相比 Apriori 多次扫描 + 海量候选，效率大幅提升。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Association_rule_learningverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型