El descubrimiento de patrones frecuentes (o descubrimiento de FP , minería de FP o minería de conjuntos de elementos frecuentes ) es parte del descubrimiento de conocimiento en bases de datos , análisis masivo en línea y minería de datos ; describe la tarea de encontrar los patrones más frecuentes y relevantes en grandes conjuntos de datos. [1] [2] El concepto se introdujo por primera vez para la minería de bases de datos de transacciones. [3] Los patrones frecuentes se definen como subconjuntos (conjuntos de elementos, subsecuencias o subestructuras) que aparecen en un conjunto de datos con una frecuencia no menor que un umbral especificado por el usuario o autodeterminado. [2] [4]
Las técnicas para la minería FP incluyen:
En su mayor parte, el descubrimiento de FP se puede realizar utilizando el aprendizaje de reglas de asociación con algoritmos particulares Eclat , FP-growth y el algoritmo Apriori .
Otras estrategias incluyen:
y respectivas técnicas específicas.
Existen implementaciones para varios sistemas o módulos de aprendizaje automático como MLlib para Apache Spark . [5]