spark关联规则挖掘

该博客介绍了如何使用Spark的mllib库进行关联规则挖掘,主要包括将数据转化为分类变量和应用FPGrowth算法。然而,操作过程中遇到了数据转换为sparse格式(basket格式)的需求,以及因版本问题导致的报错问题。
摘要由CSDN通过智能技术生成

使用spark进行关联规则挖掘:

1 首先数据全部处理为分类变量

2 使用spark mllib 中的FPGrowth挖掘关联规则


存在问题

1 数据需要处理成sparse格式,也有人称basket格式

2 版本原因会报错:

java.lang.IllegalArgumentException: Can not set 
final scala.collection.mutable.ListBuffer field org.apache.spark.mllib.fpm.FPTree$Summary.nodes to scala.collection.mutable.ArrayBuffer
Serialization trace:
nodes (org.apache.spark.mllib.fpm.FPTree$Summary)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值