apriorinode 属性
Apriori节点从数据中提取出一组规则，并提取出信息含量最高的规则。 Apriori 节点提供五种选择规则的方法并使用复杂的索引模式来高效地处理大数据集。 对于较大的问题，Apriori 训练的速度通常较快；它对可保留的规则数量没有任何限制，而且可处理最多带有 32 个前提条件的规则。 Apriori 要求输入和输出字段都是分类字段，但提供更好的性能，因为它针对此类数据进行了优化。
示例
node = stream.create("apriori", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("partition", "Test")
# For non-transactional
node.setPropertyValue("use_transactional_data", False)
node.setPropertyValue("consequents", ["Age"])
node.setPropertyValue("antecedents", ["BP", "Cholesterol", "Drug"])
# For transactional
node.setPropertyValue("use_transactional_data", True)
node.setPropertyValue("id_field", "Age")
node.setPropertyValue("contiguous", True)
node.setPropertyValue("content_field", "Drug")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Apriori_bp_choles_drug")
node.setPropertyValue("min_supp", 7.0)
node.setPropertyValue("min_conf", 30.0)
node.setPropertyValue("max_antecedents", 7)
node.setPropertyValue("true_flags", False)
node.setPropertyValue("optimize", "Memory")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("evaluation", "ConfidenceRatio")
node.setPropertyValue("lower_bound", 7)apriorinode 属性 |
值 | 属性描述 |
|---|---|---|
consequents |
字段 | Apriori模型使用Consequents和Antecedents代替标准的目标和输入字段。 不使用权重字段和频率字段。 请参阅 公共建模节点属性 以获取更多信息。 |
antecedents |
[field1 ... fieldN] | |
min_supp |
号 | |
min_conf |
号 | |
max_antecedents |
号 | |
true_flags |
标志 | |
optimize |
Speed Memory |
|
use_transactional_data |
标志 | |
contiguous |
标志 | |
id_field |
字符串 | |
content_field |
字符串 | |
mode |
Simple Expert |
|
evaluation |
RuleConfidence DifferenceToPrior ConfidenceRatio InformationDifference NormalizedChiSquare |
|
lower_bound |
号 | |
optimize |
Speed Memory |
用于指定模型构建应针对速度还是内存进行优化。 |
rules_without_antececents |
布尔型 | 选择允许仅包含结果（项目或项目集）的规则。 当您想确定共同的项目或项目集时，此功能非常有用。 例如， cannedveg 是没有前提条件的单项规则，指示购买 cannedveg 是数据中常见的情况。 |