PrefixSpan

类 pyspark.ml.fpm。 PrefixSpan ( *,minSupport:浮动=0.1,maxPatternLength:int=10,maxLocalProjDBSize:int=32000000,sequenceCol:str=“序列” )

一个平行PrefixSpan算法挖掘频繁序列模式。PrefixSpan算法描述的j .贝聿铭et al ., PrefixSpan:挖掘序列模式有效地通过前缀映射模式增长(见在这里)。这个类还没有一个估计量/变压器,使用findFrequentSequentialPatterns ()方法运行PrefixSpan算法。

笔记

看到序列模式挖掘(维基百科)

例子

> > >从pyspark.ml.fpm进口PrefixSpan> > >从pyspark.sql进口行> > >df=sc。并行化([行(序列=[[1,2),(3]]),…行(序列=[[1),(3,2),(1,2]]),…行(序列=[[1,2),(5]]),…行(序列=[[6]])))。toDF()> > >prefixSpan=PrefixSpan()> > >prefixSpan。getMaxLocalProjDBSize()32000000> > >prefixSpan。getSequenceCol()“序列”> > >prefixSpan。setMinSupport(0.5)PrefixSpan……> > >prefixSpan。setMaxPatternLength(5)PrefixSpan……> > >prefixSpan。findFrequentSequentialPatterns(df)。排序(“序列”)。显示(截断=假)+ - - - - - - - - - - - + - - - +| |序列频率|+ - - - - - - - - - - - + - - - +[[1]]| | 3 || [[1],[3]]| 2 |[[2]]| | 3 || [[2,1]]| 3 |[[3]]| | 2 |+ - - - - - - - - - - - + - - - +…

方法

清晰的(参数)	清除参数映射的参数是否被显式地设置。
复制((额外的))	创建这个实例的副本具有相同uid和一些额外的参数。
explainParam(参数)	解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。
explainParams()	返回文档的所有参数选择默认值和用户提供的值。
extractParamMap((额外的))	提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。
findFrequentSequentialPatterns(数据集)	发现频繁序列模式的完整的输入序列项集。
getMaxLocalProjDBSize()	得到的价值maxLocalProjDBSize或其默认值。
getMaxPatternLength()	得到的价值maxPatternLength或其默认值。
getMinSupport()	得到的价值minSupport或其默认值。
getOrDefault(参数)	得到参数的值在用户提供的参数映射或其默认值。
getParam(paramName)	通过它的名称参数。
getSequenceCol()	得到的价值sequenceCol或其默认值。
hasDefault(参数)	检查是否一个参数有默认值。
hasParam(paramName)	测试这个实例包含一个参数是否与给定名称(字符串)。
isDefined(参数)	检查参数是否由用户或显式地设置一个默认值。
收取(参数)	检查参数是否由用户显式地设置。
集(参数值)	设置一个参数嵌入参数映射。
setMaxLocalProjDBSize(值)	设置的值maxLocalProjDBSize。
setMaxPatternLength(值)	设置的值maxPatternLength。
setMinSupport(值)	设置的值minSupport。
setparam(自我\ * (minSupport,…))
setSequenceCol(值)	设置的值sequenceCol。

属性

maxLocalProjDBSize
maxPatternLength
minSupport
参数个数	返回所有参数命令的名字。
sequenceCol

方法的文档

清晰的 ( 参数:pyspark.ml.param.Param )→没有

清除参数映射的参数是否被显式地设置。

复制 ( 额外的:可选(ParamMap]=没有一个 )→摩根大通

创建这个实例的副本具有相同uid和一些额外的参数。这个实现第一次调用参数。复制and 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.

参数

额外的 东西,可选

额外参数复制到新实例

返回

JavaParams

这个实例的副本

explainParam ( 参数:联盟(str,pyspark.ml.param.Param] )→str

解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。

explainParams ( )→str

返回文档的所有参数选择默认值和用户提供的值。

extractParamMap ( 额外的:可选(ParamMap]=没有一个 )→ParamMap

提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。

参数

额外的 东西,可选

额外的参数值

返回

dict

合并后的参数映射

findFrequentSequentialPatterns ( 数据集:pyspark.sql.dataframe.DataFrame )→pyspark.sql.dataframe.DataFrame

发现频繁序列模式的完整的输入序列项集。

参数

数据集 pyspark.sql.DataFrame

一个是包含一个序列dataframe列ArrayType (ArrayType (T))类型T的项目类型的输入数据集。

返回

pyspark.sql.DataFrame

一个DataFrame包含的列顺序和相应的频率。它的模式将会是:

• 序列:ArrayType (ArrayType (T))项目类型(T)

• 频率:长

getMaxLocalProjDBSize ( )→int

得到的价值maxLocalProjDBSize或其默认值。

getMaxPatternLength ( )→int

得到的价值maxPatternLength或其默认值。

getMinSupport ( )→浮动

得到的价值minSupport或其默认值。

getOrDefault ( 参数:联盟(str,pyspark.ml.param.Param(T]] )→联盟(任何,T]

得到参数的值在用户提供的参数映射或其默认值。如果没有设置提出了一个错误。

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

通过它的名称参数。

getSequenceCol ( )→str

得到的价值sequenceCol或其默认值。

hasDefault ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查是否一个参数有默认值。

hasParam ( paramName:str )→bool

测试这个实例包含一个参数是否与给定名称(字符串)。

isDefined ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查参数是否由用户或显式地设置一个默认值。

收取 ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool

检查参数是否由用户显式地设置。

集 ( 参数:pyspark.ml.param.Param,价值:任何 )→没有

设置一个参数嵌入参数映射。

setMaxLocalProjDBSize ( 价值:int )→pyspark.ml.fpm.PrefixSpan

设置的值maxLocalProjDBSize。

setMaxPatternLength ( 价值:int )→pyspark.ml.fpm.PrefixSpan

设置的值maxPatternLength。

setMinSupport ( 价值:浮动 )→pyspark.ml.fpm.PrefixSpan

设置的值minSupport。

setparam ( 自我,\ *,minSupport = 0.1,maxPatternLength = 10,maxLocalProjDBSize = 32000000,sequenceCol = "序列" )

setSequenceCol ( 价值:str )→pyspark.ml.fpm.PrefixSpan

设置的值sequenceCol。

属性的文档

maxLocalProjDBSize :pyspark.ml.param.Param (int) =参数(父母=‘定义’,name = ' maxLocalProjDBSize ', doc = '的最大条目数(包括分隔符用于内部存储格式)允许在投影数据库在本地处理。如果一个投影数据库超过这个尺寸,另一个迭代运行分布式前缀的增长。必须> 0。”)

maxPatternLength :pyspark.ml.param.Param (int) =参数(父母=‘定义’,name = ' maxPatternLength ', doc = '的最大长度序列模式。必须> 0。”)

minSupport :pyspark.ml.param.Param(浮动) =参数(父母=‘定义’,name = ' minSupport ', doc = '最小支撑位的顺序模式。出现的顺序模式(minSupport * size-of-the-dataset)多次将输出。必须> = 0”。)

参数个数

返回所有参数命令的名字。默认实现使用dir ()所有的属性类型参数。

sequenceCol :pyspark.ml.param.Param (str) =参数(父母=‘定义’,name = ' sequenceCol ', doc =“序列列数据集的名称,行与null列被忽略。”)

以前的

FPGrowthModel

下一个

ImageSchema