Rapidminer FPGrowth也返回子集。我只需要最大频繁项目集

Question

让我用样本虹膜数据集来简化我的问题。下面是我看到的在Iris数据集上启动FPGrowth运算符的输出：

​

​

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

有没有办法在FPGrowth本身的帮助下做到这一点？或者我必须解决ExecuteScript的问题？在后一种情况下，我似乎甚至无法导入和迭代FPGrowth之后的输入:如果我这样做：

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

我得到“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);

它抱怨说它无法解析FPGrowth类。

如何在ExecuteScript代码中导入它？

Answer 1

您所描述的是挖掘频繁最大项集的问题，而不是挖掘所有频繁项集的问题。

在文献中，已经提出了几种算法来解决这个问题: GenMax，LCMMax，FPMax，MAFIA等，特别是FPMax是基于FPGrowth的。

但我不认为它们是在您正在使用的工具中实现的。

如果效率不重要，您可以通过后处理来实现。如果效率很重要，你可以使用上面的算法之一(如果没有提供，也可以实现它们)

顺便说一下，您可以看看my SPMF Java open-source data mining library，它提供了60多种算法，专门用于模式挖掘。特别地，它提供了一种Charm-MFI的实现，通过对闭合项目集进行后处理来发现最大项目集，从而避免了探索所有频繁项目集的搜索空间。

Answer 2

我用下面的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