序列规则预测 (ApplySequenceRuleBatchOp)

Java 类名：com.alibaba.alink.operator.batch.associationrule.ApplySequenceRuleBatchOp

Python 类名：ApplySequenceRuleBatchOp

功能介绍

• 应用频繁子序列关联规则，计算命中的频繁子序列。
• 模型由PrefixSpanBatchOp训练，通过getSideOutputAssociationRules()获取。

输入说明：一个sequence由多个element组成，element之间用分号分隔；一个element由多个item组成，item间用逗号分隔。

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
selectedCol	选中的列名	计算列对应的列名	String	✓	所选列类型为 [STRING]
modelFilePath	模型的文件路径	模型的文件路径	String			null
outputCol	输出结果列	输出结果列列名，可选，默认null	String			null
reservedCols	算法保留列名	算法保留列	String[]			null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    ["a;a,b,c;a,c;d;c,f"],
    ["a,d;c;b,c;a,e"],
    ["e,f;a,b;d,f;c;b"],
    ["e;g;a,f;c;b;c"],
])

data = BatchOperator.fromDataframe(df, schemaStr='sequence string')

prefixSpan = PrefixSpanBatchOp() \
    .setItemsCol("sequence") \
    .setMinSupportCount(3)

prefixSpan.linkFrom(data)

prefixSpan.print()
prefixSpan.getSideOutput(0).print()

ApplySequenceRuleBatchOp()\
    .setSelectedCol("sequence")\
    .setOutputCol("result")\
    .linkFrom(prefixSpan.getSideOutput(0), data)\
    .print()

Java代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.testutil.AlinkTestBase;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class ApplySequenceRuleBatchOpTest {
	@Test
	public void testPrefixSpan() throws Exception {
		List <Row> rows = Arrays.asList(
			Row.of("a;a,b,c;a,c;d;c,f"),
			Row.of("a,d;c;b,c;a,e"),
			Row.of("e,f;a,b;d,f;c;b"),
			Row.of("e;g;a,f;c;b;c")
		);

		BatchOperator data = new MemSourceBatchOp(rows, "sequence string");
		PrefixSpanBatchOp prefixSpan = new PrefixSpanBatchOp()
			.setItemsCol("sequence")
			.setMinSupportCount(3);

		prefixSpan.linkFrom(data);

		ApplySequenceRuleBatchOp op = new ApplySequenceRuleBatchOp()
			.setSelectedCol("sequence")
			.setOutputCol("result")
			.linkFrom(prefixSpan.getSideOutputAssociationRules(), data);
		op.print();
	}
}

运行结果

频繁项集输出：

itemset	supportcount	itemcount
e	3	1
f	3	1
a	4	1
a;c	4	2
a;c;c	3	3
a;c;b	3	3
a;b	4	2
b	4	1
b;c	3	2
c	4	1
c;c	3	2
c;b	3	2
d	3	1
d;c	3	2

关联规则输出：

rule	chain_length	support	confidence	transaction_count
c=>c	2	0.7500	0.7500	3
c=>b	2	0.7500	0.7500	3
d=>c	2	0.7500	1.0000	3
b=>c	2	0.7500	0.7500	3
a=>c	2	1.0000	1.0000	4
a;c=>c	3	0.7500	0.7500	3
a;c=>b	3	0.7500	0.7500	3
a=>b	2	1.0000	1.0000	4

预测结果输出

sequence	result
a;a,b,c;a,c;d;c,f	b
a,d;c;b,c;a,e	c
e,f;a,b;d,f;c;b	c
e;g;a,f;c;b;c