- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
使用:
http://spark.apache.org/docs/1.6.1/mllib-frequent-pattern-mining.html
Python 代码:
from pyspark.mllib.fpm import FPGrowth
model = FPGrowth.train(dataframe,0.01,10)
斯卡拉:
import org.apache.spark.mllib.fpm.FPGrowth
import org.apache.spark.rdd.RDD
val data = sc.textFile("data/mllib/sample_fpgrowth.txt")
val transactions: RDD[Array[String]] = data.map(s => s.trim.split(' '))
val fpg = new FPGrowth()
.setMinSupport(0.2)
.setNumPartitions(10)
val model = fpg.run(transactions)
model.freqItemsets.collect().foreach { itemset =>
println(itemset.items.mkString("[", ",", "]") + ", " + itemset.freq)
}
val minConfidence = 0.8
model.generateAssociationRules(minConfidence).collect().foreach { rule =>
println(
rule.antecedent.mkString("[", ",", "]")
+ " => " + rule.consequent .mkString("[", ",", "]")
+ ", " + rule.confidence)
}
来自代码here它表明 scala 部分没有最低置信度。
def trainFPGrowthModel(
data: JavaRDD[java.lang.Iterable[Any]],
minSupport: Double,
numPartitions: Int): FPGrowthModel[Any] = {
val fpg = new FPGrowth()
.setMinSupport(minSupport)
.setNumPartitions(numPartitions)
val model = fpg.run(data.rdd.map(_.asScala.toArray))
new FPGrowthModelWrapper(model)
}
pyspark如何添加minConfidence来生成关联规则?我们可以看到scala有示例,而python没有示例。
最佳答案
Spark >= 2.2
有一个DataFrame
基础ml
API,它提供AssociationRules
:
from pyspark.ml.fpm import FPGrowth
data = ...
fpm = FPGrowth(minSupport=0.3, minConfidence=0.9).fit(data)
associationRules = fpm.associationRules.
Spark <2.2
目前 PySpark 不支持提取关联规则(基于 DataFrame
且支持 Python 的 FPGrowth
API 正在开发中 SPARK-1450 ),但我们可以轻松解决那个。
首先,您必须安装 SBT(只需转到 the downloads page )并按照适用于您的操作系统的说明进行操作。
接下来,您必须创建一个仅包含两个文件的简单 Scala 项目:
.
├── AssociationRulesExtractor.scala
└── build.sbt
您可以稍后调整以遵循the established directory structure .
接下来将以下内容添加到 build.sbt
(调整 Scala 版本和 Spark 版本以匹配您使用的版本):
name := "fpm"
version := "1.0"
scalaVersion := "2.10.6"
val sparkVersion = "1.6.2"
libraryDependencies ++= Seq(
"org.apache.spark" %% "spark-core" % sparkVersion,
"org.apache.spark" %% "spark-mllib" % sparkVersion
)
并遵循AssociationRulesExtractor.scala
:
package com.example.fpm
import org.apache.spark.mllib.fpm.AssociationRules.Rule
import org.apache.spark.rdd.RDD
object AssociationRulesExtractor {
def apply(rdd: RDD[Rule[String]]) = {
rdd.map(rule => Array(
rule.confidence, rule.javaAntecedent, rule.javaConsequent
))
}
}
打开您选择的终端模拟器,转到项目的根目录并调用:
sbt package
它将在目标目录中生成一个jar文件。例如,在 Scala 2.10 中它将是:
target/scala-2.10/fpm_2.10-1.0.jar
启动 PySpark shell 或使用 spark-submit
并将路径传递给生成的 jar 文件,如 --driver-class-path
:
bin/pyspark --driver-class-path /path/to/fpm_2.10-1.0.jar
非本地模式:
bin/pyspark --driver-class-path /path/to/fpm_2.10-1.0.jar --jars /path/to/fpm_2.10-1.0.jar
在集群模式下,jar 应该存在于所有节点上。
添加一些方便的包装:
from pyspark import SparkContext
from pyspark.mllib.fpm import FPGrowthModel
from pyspark.mllib.common import _java2py
from collections import namedtuple
rule = namedtuple("Rule", ["confidence", "antecedent", "consequent"])
def generateAssociationRules(model, minConfidence):
# Get active context
sc = SparkContext.getOrCreate()
# Retrieve extractor object
extractor = sc._gateway.jvm.com.example.fpm.AssociationRulesExtractor
# Compute rules
java_rules = model._java_model.generateAssociationRules(minConfidence)
# Convert rules to Python RDD
return _java2py(sc, extractor.apply(java_rules)).map(lambda x:rule(*x))
最后,您可以将这些助手用作函数:
generateAssociationRules(model, 0.9)
或者作为一种方法:
FPGrowthModel.generateAssociationRules = generateAssociationRules
model.generateAssociationRules(0.9)
此解决方案依赖于内部 PySpark 方法,因此不能保证它在版本之间可移植。
关于scala - pyspark 与 scala 中的 FPgrowth 计算关联,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42222456/
假设我有一个这种结构的数据框: time| asset | parameter ----|-------|---------- T1 | A1 | P1 T1 | A1 | P2 T
import java.util.Arrays; import java.util.List; import org.apache.spark.SparkConf; import org.apache
我正在尝试使用 Sparklyr 构建关联规则算法,并且一直在关注此 blog这确实解释得很好。 但是,在它们适合 FPGrowth 算法之后,有一个部分,作者从返回的“FPGrowthModel 对
我正在使用 jupyter notebook 在 python3.6 中使用 pyspark 运行 FPGrowth 算法。当我试图保存生成的规则的关联规则输出是巨大的。所以我想限制结果的数量。这是我
使用: http://spark.apache.org/docs/1.6.1/mllib-frequent-pattern-mining.html Python 代码: from pyspark.ml
使用: http://spark.apache.org/docs/1.6.1/mllib-frequent-pattern-mining.html Python 代码: from pyspark.ml
我正在尝试从文件中读取数据(项目以逗号分隔)并使用 PySpark 将此数据传递给 FPGrowth 算法。 到目前为止我的代码如下: import pyspark from pyspark impo
我是一名优秀的程序员,十分优秀!