Questão de Contábil-Financeira · CEBRASPE PF 2025 (nº 117)

Conceito-chave: Regras de associação servem para achar itens que aparecem juntos (ex.: "quem compra pão, compra manteiga"). O Apriori é o método clássico, mas ele lê o banco de dados várias vezes (uma para cada tamanho de combinação), o que é lento. O FP-Growth constrói uma árvore compacta (FP-Tree) com os dados em uma única passada, e a partir dela extrai os padrões sem ficar gerando e testando milhões de candidatos — por isso, em geral, ele é muito mais rápido e eficiente em bancos grandes.

• Correta: Certo. O FP-Growth elimina a etapa cara de gerar candidatos (que o Apriori faz) e usa a árvore para contar frequências diretamente, reduzindo drasticamente o custo computacional.

Fica de olho: A banca pode inverter a lógica dizendo que "o Apriori é mais eficiente que o FP-Growth por usar menos memória" — isso é falso, pois o FP-Growth também é superior em memória na maioria dos casos. Outra pegadinha comum é afirmar que o FP-Growth não gera regras, só itens frequentes — mas ele gera sim, a diferença é que ele não gera candidatos desnecessários.