fpGrowth = FPGrowth(itemsCol="items", minSupport=0.5, minConfidence=0.6)
model = fpGrowth.fit(df)
model.associationRules.show()
使用上面的代码,我只能得到每个关联规则的置信度。但是如何使用Pyspark中的Spark FP growth来获得每个关联规则的提升值?在
在这种情况下,我只有这两个数据帧,如何在第一个数据帧的置信值后面自动添加提升值(而不是手动添加)?在
^{pr2}$
Tags:
很容易计算:Lift是置信}的置信度是}。在
C
商。所以规则的提升是置信度C(a->b)/C(b)
。例如,如果bread -> cheese
的置信度是1.2
,而{1.1
,那么提升就是{见here
相关问题 更多 >
编程相关推荐