fpmax: 使用 FP-Max 算法获取最大项集

实现 FP-Max 算法以提取用于关联规则挖掘的最大项集的函数

from mlxtend.frequent_patterns import fpmax

概述

Apriori 算法是首批也是最流行的频繁项集生成算法之一（频繁项集随后用于关联规则挖掘）。然而，Apriori 的运行时可能相当大，特别是对于具有大量唯一项的数据集，因为运行时随唯一项的数量呈指数增长。

与 Apriori 相反，FP-Growth 是一种频繁模式生成算法，它将项插入到模式搜索树中，这使得其运行时随唯一项或条目的数量呈线性增长。

FP-Max 是 FP-Growth 的一个变体，它专注于获取最大项集。一个项集 X 被称为是最大的，如果 X 是频繁的且不存在包含 X 的频繁超模式。 换句话说，一个频繁模式 X 不能是更大的频繁模式的子模式才能符合 最大项集 的定义。

参考文献

  • [1] Grahne, G., & Zhu, J. (2003, November). 高效使用前缀树挖掘频繁项集。见 FIMI (Vol. 90)。

示例 1 -- 最大项集

fpmax 函数需要一热编码的 pandas DataFrame 数据。假设我们有以下交易数据

dataset = [['Milk', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
           ['Dill', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
           ['Milk', 'Apple', 'Kidney Beans', 'Eggs'],
           ['Milk', 'Unicorn', 'Corn', 'Kidney Beans', 'Yogurt'],
           ['Corn', 'Onion', 'Onion', 'Kidney Beans', 'Ice cream', 'Eggs']]

我们可以通过 TransactionEncoder 将其转换为正确的格式，如下所示

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)
df
苹果 玉米 莳萝 鸡蛋 冰淇淋 芸豆 牛奶 肉豆蔻 洋葱 独角兽 酸奶
0 False False False True False True True True True False True
1 False False True True False True False True True False True
2 True False False True False True True False False False False
3 False True False False False True True False False True True
4 False True False True True True False False True False False

现在，让我们返回支持度至少为 60% 的项和项集

from mlxtend.frequent_patterns import fpmax

fpmax(df, min_support=0.6)
支持度 项集
0 0.6 (5, 6)
1 0.6 (8, 3, 5)
2 0.6 (10, 5)

默认情况下，fpmax 返回项的列索引，这在关联规则挖掘等下游操作中可能很有用。为了更好的可读性，我们可以设置 use_colnames=True 将这些整数值转换为相应的项名称

fpmax(df, min_support=0.6, use_colnames=True)
支持度 项集
0 0.6 (芸豆, 牛奶)
1 0.6 (洋葱, 鸡蛋, 芸豆)
2 0.6 (芸豆, 酸奶)

更多示例

请注意，由于 fpmax 函数可以替代 fpgrowth 和 apriori，它具有相同的函数参数集和返回参数集。因此，更多示例请参阅 apriori 文档。

API

fpmax(df, min_support=0.5, use_colnames=False, max_len=None, verbose=0)

从一热编码 DataFrame 获取最大频繁项集

参数

  • df : pandas DataFrame

    已编码格式的 pandas DataFrame。也支持稀疏数据 DataFrame；更多信息请参见 (https://pandas.ac.cn/pandas-docs/stable/ user_guide/sparse.html#sparse-data-structures)

    请注意，旧的 pandas SparseDataFrame 格式在 mlxtend >= 0.17.2 中不再支持。

    允许的值是 0/1 或 True/False。例如，

    Apple  Bananas   Beer  Chicken   Milk   Rice
    0   True    False   True     True  False   True
    1   True    False   True    False  False   True
    2   True    False   True    False  False  False
    3   True     True  False    False  False  False
    4  False    False   True     True   True   True
    5  False    False   True    False   True   True
    6  False    False   True    False   True  False
    7   True     True  False    False  False  False

  • min_support : float (默认: 0.5)

    一个介于 0 和 1 之间的浮点数，表示返回项集的最小支持度。支持度计算方法是 item(s)_出现_的交易数 / 总交易数。

  • use_colnames : bool (默认: False)

    如果为 True，则在返回的 DataFrame 中使用 DataFrame 的列名而不是列索引。

  • max_len : int (默认: None)

    给定所有最大项集的集合，返回长度小于 max_len 的项集。如果为 None (默认)，则评估所有可能的项集长度。

  • verbose : int (默认: 0)

    显示条件树生成的阶段。

返回值

一个 pandas DataFrame，包含 ['support', 'itemsets'] 列，其中是所有支持度 >= min_support 且长度 < max_len (如果 max_len 不为 None) 的最大项集。'itemsets' 列中的每个项集类型为 frozenset，这是一种 Python 内建类型，与集合类似，但它是不可变的（更多信息请参见 https://docs.pythonlang.cn/3.6/library/stdtypes.html#frozenset）。

示例

有关使用示例，请参见 https://mlxtend.cn/mlxtend/user_guide/frequent_patterns/fpmax/