Descubrimiento frecuente de patrones

El descubrimiento de patrones frecuentes (o descubrimiento de FP , minería de FP o minería de conjuntos de ítems frecuentes ) forma 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 ítems, subsecuencias o subestructuras) que aparecen en un conjunto de datos con una frecuencia no inferior a un umbral especificado por el usuario o determinado automáticamente. ^{[ 2 ] [ 4 ]}

Las técnicas para la minería de FP incluyen:

• análisis de cesta de la compra ^{[ 3 ]}
• marketing cruzado
• diseño de catálogo
• agrupamiento
• clasificación
• sistemas de recomendación ^{[ 1 ]}

En la mayoría de los casos, el descubrimiento de FP se puede realizar utilizando el aprendizaje de reglas de asociación con algoritmos específicos como Eclat , FP-growth y el algoritmo Apriori .

Otras estrategias incluyen:

• Minería frecuente de subárboles
• minería de estructuras
• Minería de patrones secuenciales

y las técnicas específicas correspondientes.

Existen implementaciones para varios sistemas o módulos de aprendizaje automático , como MLlib para Apache Spark . ^{[ 5 ]}