1

我正在尝试使用 MLlib 的 FPGrowth 对交易数据进行基本的购物篮分析。我已将交易编码为类似格式:

    transactions.take(3)
    res632: Array[Array[String]] = Array(Array(7976503128), Array(68113132893, 1800000725, 3120027015, 4850030414, 2100061223, 5150055538, 60538871457), Array(68113174202))

数组中的各个数字是我的产品 id 作为字符串(如 68113132893、7976503128 等)。

现在,当我运行 FPGrowth 模型时,它运行时没有任何错误:

    val fpg = new FPGrowth()
        .setMinSupport(0.5)
        .setNumPartitions(10)
    val modelBuild = fpg.run(transactions)

    fpg: org.apache.spark.mllib.fpm.FPGrowth = org.apache.spark.mllib.fpm.FPGrowth@74a103be
    modelBuild: org.apache.spark.mllib.fpm.FPGrowthModel[String] = org.apache.spark.mllib.fpm.FPGrowthModel@391b111a

但是当我试图获取频繁项集时,它显示的是空白数组

    modelBuild.freqItemsets.collect().foreach { itemset =>
    println(itemset.freq)
    }

    res660: Array[org.apache.spark.mllib.fpm.FPGrowth.FreqItemset[String]] = Array()

无法找到问题所在。请帮忙!

4

1 回答 1

3

将 minSupport 降低到 0.00001,所有集合都将被打印。来自 Spark 文档:

minSupport:被识别为频繁的项目集的最小支持。例如,如果一个项目在 5 个事务中出现 3 个,则它的支持率为 3/5=0.6。

于 2016-09-23T12:15:44.943 回答