星火Mllib - 频繁模式挖掘 - 关联规则 - 没有得到预期的结果

Question

我有以下数据集：

[A,D] 
[C,A,B] 
[A] 
[A,E,D] 
[B,D] 

，我试图提取使用频繁模式挖掘利用星火Mllib一些关联规则。对于我有下面的代码：

val transactions = sc.textFile("/user/cloudera/teste") 

import org.apache.spark.mllib.fpm.AssociationRules 
import org.apache.spark.mllib.fpm.FPGrowth.FreqItemset 

val freqItemsets = transactions.repartition(10).map(_.split(",")).flatMap(xs => 
    (xs.combinations(1) ++ xs.combinations(2) ++ xs.combinations(3) ++ xs.combinations(4) ++ xs.combinations(5)).filter(_.nonEmpty).map(x => (x.toList, 1L)) ).reduceByKey(_ + _).map{case (xs, cnt) => new FreqItemset(xs.toArray, cnt)} 

val ar = new AssociationRules().setMinConfidence(0.8) 

val results = ar.run(freqItemsets) 

results.collect().foreach { rule => 
    println("[" + rule.antecedent.mkString(",") 
    + "=>" 
    + rule.consequent.mkString(",") + "]," + rule.confidence)} 

但提取的所有规则，有信心为1：

[[C=>A],1.0 
[[C=>B]],1.0 
[A,B]=>[C],1.0 
[E=>D]],1.0 
[E=>[A],1.0 
[A=>B]],1.0 
[A=>[C],1.0 
[[C,A=>B]],1.0 
[[A=>D]],1.0 
[E,D]=>[A],1.0 
[[A,E=>D]],1.0 
[[C,B]=>A],1.0 
[[B=>D]],1.0 
[B]=>A],1.0 
[B]=>[C],1.0 

我真的不理解，我在我的代码已经问题...任何人都知道我有什么错误来计算信心？

非常感谢！

Answer 1

您的数据集太小了。数据中任何项目的最大频率为3.因此，您可以具有置信度0,1/3,1/2,2/3,1。只有1大于0.8。

尝试设置最小置信度到0.6，那么你就可以真正得到

[A]=>[D] confidence 0.666