FPGrowth

類 pyspark.ml.fpm。 FPGrowth ( *,minSupport:浮動=0.3,minConfidence:浮動=0.8,itemsCol:str=“項目”,predictionCol:str=“預測”,numPartitions:可選(int]=沒有一個 )

一個平行FP-growth算法挖掘頻繁項集。

筆記

中描述的算法是李et al .,親:平行FP-Growth查詢的建議[1]。PFP分配計算,每個工人執行一組獨立的挖掘任務。FP-Growth算法中描述漢et al .,挖掘頻繁模式沒有候選人的一代[2]

NULL值的特征列中被忽略符合()。

在內部變換收集和廣播關聯規則。

1

Haoyuan李,王,張董,張明,愛德華y . Chang。2008。親:平行fp-growth查詢的建議。2008年《ACM會議推薦係統(RecSys 08年)。計算機協會,紐約,紐約,美國,107 - 114。DOI:https://doi.org/10.1145/1454008.1454027

2

加威漢劍裴,誼文陰》2000。挖掘頻繁模式沒有候選人的一代。SIGMOD Rec。29日,2(2000年6月),1 - 12。DOI:https://doi.org/10.1145/335191.335372

例子

> > >從pyspark.sql.functions進口分裂> > >數據=(火花。讀…。文本(“數據/ mllib / sample_fpgrowth.txt”)…。選擇(分裂(“價值”,“\ s +”)。別名(“項目”)))> > >數據。顯示(截斷=假)+ - - - - - - - - - - - - - - - - - - - - - - - - +| |項目+ - - - - - - - - - - - - - - - - - - - - - - - - +| (r, z, h, k, p] || (z, y, x, w, v, u, t, s] ||(年代,x, o, n, r) || [x, z, y、m t, q, e) || | [z]| [x, z, y, r, q, t, p] |+ - - - - - - - - - - - - - - - - - - - - - - - - +…> > >《外交政策》=FPGrowth(minSupport=0.2,minConfidence=0.7)> > >fpm=《外交政策》。適合(數據)> > >fpm。setPredictionCol(“newPrediction”)FPGrowthModel……> > >fpm。freqItemsets。排序(“項目”)。顯示(5)+ - - - - - - - - - - - - + - - - +| |項頻率|+ - - - - - - - - - - - - + - - - +[p] | | 2 |(p, r) | | 2 |(p, r, z) | | 2 |(p, z) | | 2 |[問]| | 2 |+ - - - - - - - - - - - - + - - - +隻顯示前5行…> > >fpm。associationRules。排序(“前期”,“順向”)。顯示(5)+ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + - - - - - - - - - - - - - - - - - - - - - - - +|的|的| |信心提升| |的支持+ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + - - - - - - - - - - - - - - - - - - - - - - - +[r] [p] | | | 1.0 | 2.0 | 0.3333333333333333 |[z] [p] | | | 1.0 | 1.2 | 0.3333333333333333 |[z] (p, r) | | | 1.0 | 1.2 | 0.3333333333333333 |[r] [p, z] | | | 1.0 | 2.0 | 0.3333333333333333 || |[問][t] | 1.0 | 2.0 | 0.3333333333333333 |+ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - + + - - - - - - - - - - - - - - - - - - - - - - - +隻顯示前5行…> > >new_data=火花。createDataFrame((((“t”,“s”),)),(“項目”])> > >排序(fpm。變換(new_data)。第一個()。newPrediction)[' x ', ' y ', ' z ']> > >model_path=temp_path+“/ fpm_model”> > >fpm。保存(model_path)> > >model2=FPGrowthModel。負載(model_path)> > >fpm。變換(數據)。取(1)= =model2。變換(數據)。取(1)真正的

方法

清晰的(參數)	清除參數映射的參數是否被顯式地設置。
複製((額外的))	創建這個實例的副本具有相同uid和一些額外的參數。
explainParam(參數)	解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。
explainParams()	返回文檔的所有參數選擇默認值和用戶提供的值。
extractParamMap((額外的))	提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。
適合(數據集[params))	適合一個模型與可選參數的輸入數據集。
fitMultiple(paramMaps數據集)	適合一個模型為每個參數映射的輸入數據集paramMaps。
getItemsCol()	得到的價值itemsCol或其默認值。
getMinConfidence()	得到的價值minConfidence或其默認值。
getMinSupport()	得到的價值minSupport或其默認值。
getNumPartitions()	獲得的價值numPartitions或其默認值。
getOrDefault(參數)	得到參數的值在用戶提供的參數映射或其默認值。
getParam(paramName)	通過它的名稱參數。
getPredictionCol()	得到的價值predictionCol或其默認值。
hasDefault(參數)	檢查是否一個參數有默認值。
hasParam(paramName)	測試這個實例包含一個參數是否與給定名稱(字符串)。
isDefined(參數)	檢查參數是否由用戶或顯式地設置一個默認值。
收取(參數)	檢查參數是否由用戶顯式地設置。
負載(路徑)	從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。
讀()	返回一個MLReader這個類的實例。
保存(路徑)	這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。
集(參數值)	設置一個參數嵌入參數映射。
setItemsCol(值)	設置的值itemsCol。
setMinConfidence(值)	設置的值minConfidence。
setMinSupport(值)	設置的值minSupport。
setNumPartitions(值)	設置的值numPartitions。
setparam(自我\ * (minSupport,…))
setPredictionCol(值)	設置的值predictionCol。
寫()	返回一個MLWriter實例毫升實例。

屬性

itemsCol
minConfidence
minSupport
numPartitions
參數個數	返回所有參數命令的名字。
predictionCol

方法的文檔

清晰的 ( 參數:pyspark.ml.param.Param )→沒有

清除參數映射的參數是否被顯式地設置。

複製 ( 額外的:可選(ParamMap]=沒有一個 )→摩根大通

創建這個實例的副本具有相同uid和一些額外的參數。這個實現第一次調用參數。複製和then make a copy of the companion Java pipeline component with extra params. So both the Python wrapper and the Java pipeline component get copied.

參數

額外的 東西,可選

額外參數複製到新實例

返回

JavaParams

這個實例的副本

explainParam ( 參數:聯盟(str,pyspark.ml.param.Param] )→str

解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。

explainParams ( )→str

返回文檔的所有參數選擇默認值和用戶提供的值。

extractParamMap ( 額外的:可選(ParamMap]=沒有一個 )→ParamMap

提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。

參數

額外的 東西,可選

額外的參數值

返回

dict

合並後的參數映射

適合 ( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:聯盟[ParamMap、列表(ParamMap)元組(ParamMap),沒有一個)=沒有一個 )→聯盟(米,列表(米] ]

適合一個模型與可選參數的輸入數據集。

參數

數據集 pyspark.sql.DataFrame

輸入數據集。

參數個數 dict或列表或元組,可選的

一個可選的參數覆蓋嵌入參數的地圖。如果列表/元組的參數映射,這適用於每一個參數並返回一個列表的模型映射。

返回

變壓器或者一個列表變壓器

擬合模型(年代)

fitMultiple ( 數據集:pyspark.sql.dataframe.DataFrame,paramMaps:序列(ParamMap] )→迭代器(元組(int,米] ]

適合一個模型為每個參數映射的輸入數據集paramMaps。

參數

數據集 pyspark.sql.DataFrame

輸入數據集。

paramMaps collections.abc.Sequence

一係列的參數映射。

返回

_FitMultipleIterator

一個線程安全的iterable包含為每個參數映射模型。每次調用下一個(modelIterator)將返回(指數模型)模型是適合使用在哪裏paramMaps(指數)。指數值可能不是連續的。

getItemsCol ( )→str

得到的價值itemsCol或其默認值。

getMinConfidence ( )→浮動

得到的價值minConfidence或其默認值。

getMinSupport ( )→浮動

得到的價值minSupport或其默認值。

getNumPartitions ( )→int

獲得的價值numPartitions或其默認值。

getOrDefault ( 參數:聯盟(str,pyspark.ml.param.Param(T]] )→聯盟(任何,T]

得到參數的值在用戶提供的參數映射或其默認值。如果沒有設置提出了一個錯誤。

getParam ( paramName:str )→pyspark.ml.param.Param

通過它的名稱參數。

getPredictionCol ( )→str

得到的價值predictionCol或其默認值。

hasDefault ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查是否一個參數有默認值。

hasParam ( paramName:str )→bool

測試這個實例包含一個參數是否與給定名稱(字符串)。

isDefined ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查參數是否由用戶或顯式地設置一個默認值。

收取 ( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool

檢查參數是否由用戶顯式地設置。

classmethod 負載 ( 路徑:str )→RL

從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。

classmethod 讀 ( )→pyspark.ml.util.JavaMLReader(RL]

返回一個MLReader這個類的實例。

保存 ( 路徑:str )→沒有

這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。

集 ( 參數:pyspark.ml.param.Param,價值:任何 )→沒有

設置一個參數嵌入參數映射。

setItemsCol ( 價值:str )→pyspark.ml.fpm.FPGrowth

設置的值itemsCol。

setMinConfidence ( 價值:浮動 )→pyspark.ml.fpm.FPGrowth

設置的值minConfidence。

setMinSupport ( 價值:浮動 )→pyspark.ml.fpm.FPGrowth

設置的值minSupport。

setNumPartitions ( 價值:int )→pyspark.ml.fpm.FPGrowth

設置的值numPartitions。

setparam ( 自我,\ *,minSupport = 0.3,minConfidence = 0.8,itemsCol = "項目",predictionCol = "預測",numPartitions =沒有 )

setPredictionCol ( 價值:str )→pyspark.ml.fpm.FPGrowth

設置的值predictionCol。

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

itemsCol =參數(父母=‘定義’,name = ' itemsCol ', doc =物品列名)

minConfidence =參數(父母=‘定義’,name = ' minConfidence ', doc = '最小生成關聯規則的信心。[0.0,1.0]。minConfidence不會影響頻繁項集的挖掘,但會影響關聯規則生成。)

minSupport =參數(父母=‘定義’,name = ' minSupport ', doc = '最小頻繁模式的支撐位。[0.0,1.0]。出現的任何模式(minSupport * size-of-the-dataset)多次將頻繁項集的輸出。”)

numPartitions =參數(父母=‘定義’,name = ' numPartitions ', doc = '分區數量(至少1)平行FP-growth使用。默認情況下,參數沒有設置,輸入數據集的分區號使用。”)

參數個數

返回所有參數命令的名字。默認實現使用dir ()所有的屬性類型參數。

predictionCol =參數(父母=‘定義’,name = ' predictionCol ', doc =預測列名稱。)

以前的

RankingEvaluator

下一個

FPGrowthModel