Rapidminer FPGrowth 也返回子集。我只需要最大频繁项集答案

【问题标题】：Rapidminer FPGrowth returning subsets as well. I only need the maximum frequent item setsRapidminer FPGrowth 也返回子集。我只需要最大频繁项集
【发布时间】：2014-10-03 10:52:12
【问题描述】：

让我用示例 Iris 数据集简化我的问题。这是我在 Iris 数据集上启动 FPGrowth 运算符时看到的输出：

查看我的红色笔记，在这个示例中，我只需要 a3_range1 和 a2_range5 以及所有 3 项集，因为所有其他项都是较大集的子集。

有什么方法可以在 FPGrowth 本身的帮助下做到这一点？还是我必须使用 ExecuteScript 解决？在后一种情况下，我似乎无法在 FPGrowth 之后导入和迭代输入：如果我这样做：

ExampleSet exampleSet = operator.getInput(ExampleSet.class);

我收到“操作员需要一些未提供的 ExampleSet 输入”。如果我将其更改为：

FPGrowth exampleSet = operator.getInput(FPGrowth.class);

它抱怨它无法解析 FPGrowth 类。

如何在 ExecuteScript Groovy 代码中导入它？

【问题讨论】：

标签： r groovy data-mining text-mining rapidminer

【解决方案1】：

您所描述的是挖掘频繁最大项集而不是所有频繁项集的问题。

在文献中，针对这个问题已经提出了几种算法：GenMax、LCMMax、FPMax、MAFIA等。特别是FPMax是基于FPGrowth的。

但我认为它们没有在您使用的工具中实现。

如果效率不重要，您可以通过后处理来做到这一点。如果效率很重要，您可以使用上述算法之一（如果没有提供它们，也许可以实现它们）

顺便说一下，你可以看看我的SPMF Java open-source data mining library，它提供了 60 多种算法，专门用于模式挖掘。特别是，它提供了 Charm-MFI 的实现，通过对封闭项集进行后处理来发现最大项集，从而避免探索所有频繁项集的搜索空间。

【讨论】：

【解决方案2】：

我用以下 R 脚本解决了这个问题：

FPSet <- as.data.frame(FPSet)

trim <- function (x) gsub("^\\s+|\\s+$", "", x)

for(i in 1:nrow(FPSet)) {
   current <- trim(unlist(strsplit(toString(FPSet[i,"Items"]),',')))

    for(j in 1:nrow(FPSet)) {
        if(i!=j) {
            compare <- trim(unlist(strsplit(toString(FPSet[j,"Items"]),',')))
            if(setequal(intersect(current,compare),current) || length(current) == 1) {
                 FPSet[i,'subset'] = 1
            }
        }
    }
}

FPSet<-FPSet[is.na(FPSet$subset), ]
FPSet$subset <- NULL

"Items" 列是存储子集/集的位置

【讨论】：