如何在Pyspark中使用Spark FPgrowth获取关联规则的提升值？

Question

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}$

Answer 1

很容易计算：Lift是置信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{}的置信度是1.1，那么提升就是{}。在

见here

Answer 2

df1.join(df2,df2.items==df1.consequent, 'left').select("antecedent","consequent","confidence","support").show()

+     +     +         +         +
|antecedent|consequent|        confidence|           support|
+     +     +         +         +
|    [2, 1]|       [5]|0.6666666666666666|0.6666666666666666|
|       [2]|       [5]|0.6666666666666666|0.6666666666666666|
|       [1]|       [5]|0.6666666666666666|0.6666666666666666|
|       [2]|       [1]|               1.0|               1.0|
|       [5]|       [1]|               1.0|               1.0|
|    [5, 2]|       [1]|               1.0|               1.0|
|    [5, 1]|       [2]|               1.0|               1.0|
|       [5]|       [2]|               1.0|               1.0|
|       [1]|       [2]|               1.0|               1.0|
+     +     +         +         +