【Spark ML系列】Frequent Pattern Mining频繁挖掘算法功能用法示例源码论文详解

import org.apache.spark.ml.fpm.{AssociationRules, FPGrowth}
import org.apache.spark.sql.SparkSession
 
object FPGrowthExample {
  def main(args: Array[String]) {
    val spark = SparkSession.builder.appName("FPGrowthExample").getOrCreate()
 
    // 准备数据集
    val data = spark.createDataFrame(Seq(
      (1, "a"),
      (2, "a b"),
      (3, "a b c"),
      (4, "b"),
      (5, "a b c")
    )).toDF("id", "items")
 
    // 转换数据集到适合FPGrowth算法的格式
    val rowRdd = data.rdd.map(row => row.getAs[Seq[String]](1).map(_.toString))
 
    // 使用FPGrowth算法挖掘频繁项集
    val fpg = new FPGrowth()
      .setItemsCol("items")
      .setMinSupport(0.5) // 设置最小支持度为50%
    val model = fpg.fit(data)
 
    // 查看频繁项集
    val frequentItemsets = model.freqItemsets.show()
 
    // 生成关联规则
    val associationRules = new AssociationRules()
      .setItemsCol("items")
      .setMetricsCol("confidence")
    val rules = associationRules.run(model)
    rules.show()
 
    spark.stop()
  }
}

这段代码展示了如何在Spark ML库中使用FPGrowth算法进行频繁项集挖掘，并生成关联规则。首先，我们创建了一个Spark数据框架，并准备了一个序列类型的列作为算法的输入。接着，我们使用FPGrowth模型对数据进行拟合，并设置了最小支持度。最后，我们通过调用freqItemsets方法来查看挖掘出的频繁项集，并使用AssociationRules类生成关联规则，并展示结果。这个例子简单且直接地展示了FPGrowth算法的使用方法。