+

K

APIリファレンス ↗Send feedback

データ接続と統合Pipeline Builder Transforms頻繁パターン成長

注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。

頻繁パターン成長

サポートされている環境: バッチ

頻繁パターン (fp) 成長は、ユーザーのデータセット内の頻繁なパターンを見つけます。

トランスフォームカテゴリ: 集計、その他

宣言された引数

入力データセット - アイテム列とトランザクション列を含むソースデータセット。
テーブル
アイテム列 - パターンのアイテムを含む配列列。
列<配列<文字列>>
最小サポート - パターンが存在するために必要な最小の割合。
リテラル<倍精度浮動小数点>

例

例 1: 基本ケース

引数の値:

入力データセット: ri.foundry.main.dataset.a
アイテム列: customer_attributes
最小サポート: 0.6

入力:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ age_group: 20-30, country: Germany, gender: Male ]

出力:

pattern	pattern_occurrence	total_count
[ country: Germany, age_group: 20-30 ]	2	2
[ age_group: 20-30 ]	2	2
[ country: Germany ]	2	2

例 2: Null ケース

引数の値:

入力データセット: ri.foundry.main.dataset.a
アイテム列: customer_attributes
最小サポート: 0.0

入力:

customer_attributes
null

出力:

pattern	pattern_occurrence	total_count

例 3: Null ケース

引数の値:

入力データセット: ri.foundry.main.dataset.a
アイテム列: customer_attributes
最小サポート: 0.0

入力:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ null ]

出力:

pattern	pattern_occurrence	total_count
[ country: Germany ]	1	2
[ country: Germany, age_group: 20-30 ]	1	2
[ null ]	1	2
[ age_group: 20-30 ]	1	2
[ gender: Female ]	1	2
[ gender: Female, country: Germany ]	1	2
[ gender: Female, country: Germany, age_group: 20-30 ]	1	2
[ gender: Female, age_group: 20-30 ]	1	2

例 4: エッジケース

引数の値:

入力データセット: ri.foundry.main.dataset.a
アイテム列: customer_attributes
最小サポート: 0.0

入力:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ age_group: 20-30, country: Germany, gender: Male ]

出力:

pattern	pattern_occurrence	total_count
[ gender: Male ]	1	2
[ gender: Male, country: Germany ]	1	2
[ gender: Male, country: Germany, age_group: 20-30 ]	1	2
[ gender: Male, age_group: 20-30 ]	1	2
[ age_group: 20-30 ]	2	2
[ country: Germany ]	2	2
[ country: Germany, age_group: 20-30 ]	2	2
[ gender: Female ]	1	2
[ gender: Female, country: Germany ]	1	2
[ gender: Female, country: Germany, age_group: 20-30 ]	1	2
[ gender: Female, age_group: 20-30 ]	1	2