Scikit-learn: एसोसिएटिव लर्निंग एल्गोरिदम

मुझे यकीन नहीं है कि आइटम सेट माइनिंग स्केलेर के दायरे में है। मैं केवल apriori एल्गोरिदम जानता हूं लेकिन मुझे पता है कि और भी उन्नत हैं। मुझे लगता है कि कोई उन्हें स्पैस इंडिकेटर मैट्रिस का उपयोग करके एपीआई में फिट कर सकता है लेकिन किसी भी तरह से वे बाकी स्केलेर से बहुत अलग लगते हैं।

उनका उपयोग CBA एल्गोरिथम के अग्रदूत के रूप में किया जा सकता है, श्रेणीबद्ध डेटा के लिए एक निर्णय ट्री एल्गोरिथम

स्केलेर में एक-हॉट-ट्रांसफॉर्म के बिना श्रेणीबद्ध डेटा के लिए कोई निर्णय पेड़ (या कोई अन्य एल्गोरिदम) नहीं है।

मुझे लगता है कि बार-बार आइटम खनन को ओटी माना जाना चाहिए। कोई भी कोर डेवलपर उस क्षेत्र में काम नहीं करता है, इसलिए कोई भी सबमिट किया गया कोड अनाथ हो सकता है। हम इसी कारण से पुस्तकालय के दायरे को कम करने की कोशिश कर रहे हैं।

मुझे लगता है कि बार-बार आइटम खनन को ओटी माना जाना चाहिए। कोर में से कोई नहीं
डेवलपर उस क्षेत्र में काम करता है, इसलिए कोई भी सबमिट किया गया कोड बनने की संभावना है
अनाथ।

साथ ही, मेरा मानना ​​है कि कोड पैटर्न के प्रकार बहुत भिन्न होंगे
तो हमारे पास वर्तमान में क्या है।

यह नहीं कहना कि यह दिलचस्प नहीं है, बस यह कहना कि टूल होना चाहिए a
दूसरा वाला।

नमस्ते,

मुझे एप्रीओरी और एफपी ग्रोथ एल्गोरिथम का कुछ ज्ञान है। मैं इस मुद्दे पर काम करना चाहता हूं। क्या कोई और पहले से ही इस पर काम कर रहा है, और अगर ऐसा है तो मैं इसमें भी मदद करना चाहूंगा।

इस मुद्दे को बंद करना। मुझे लगता है कि एसोसिएशन लर्निंग को एक अलग पैकेज में प्रोटोटाइप किया जाना चाहिए; अगर यह पता चलता है कि कोड और इंटरफेस हमारे समान हैं, तो हम स्किकिट-लर्न में विलय के लिए कोड पर विचार कर सकते हैं।

दुखद निर्णय!

इस मुद्दे को बंद करना। मुझे लगता है कि एसोसिएशन लर्निंग को एक अलग पैकेज में प्रोटोटाइप किया जाना चाहिए; अगर यह पता चलता है कि कोड और इंटरफेस हमारे समान हैं, तो हम स्किकिट-लर्न में विलय के लिए कोड पर विचार कर सकते हैं।

बहुत ही उचित निर्णय :)

:+1: फोकस के लिए
:-1: जाने-माने अनुपयोगी शिक्षण एल्गोरिदम की एक पूरी कक्षा को बाहर करने के लिए

@joernhees क्या आप बता सकते हैं कि बिना पर्यवेक्षित शिक्षा का यह सूत्रीकरण विज्ञान-सीखने के एपीआई में भी कैसे फिट बैठता है? यदि आसानी से नहीं है, तो यह संभवतः एक अलग परियोजना के दायरे में आता है जो अपना स्वयं का एपीआई स्थापित कर सकता है। मुझे लगता है कि @larsmans ने इसे ऊपर काफी स्पष्ट कर दिया है, और यह एक तीखी प्रतिक्रिया के लायक नहीं है।

क्षमा करें अगर यह स्नाइड के रूप में सामने आया, तो यह मेरा इरादा नहीं था।

मैं मूल रूप से एसोसिएशन रूल लर्निंग एल्गोरिदम की खोज में यहां पहुंचा था और बस उन्हें स्केलेर में खोजने की उम्मीद थी (क्योंकि यह मशीन लर्निंग एल्गोरिदम का एक बहुत बढ़िया संग्रह है और आमतौर पर मुझे इसमें सबसे ज्यादा चीजें मिलती हैं (इसके लिए बड़ा धन्यवाद))।

इस सूत्र को पढ़ने के बाद मैं दोनों खुश और निराश था, और दोनों को आवाज देना चाहता था:

• यह देखकर खुशी हुई कि आप ध्यान केंद्रित करने के लिए अच्छा सॉफ्टवेयर इंजीनियरिंग निर्णय लेते हैं (जो मुश्किल है)।
• निराश है कि एसोसिएशन नियम खनन इसका हिस्सा नहीं है और वहां एक और व्यक्ति है जो इसे याद करता है। जैसा कि मैंने कहा था कि इसे असुरक्षित शिक्षण एल्गोरिदम के अपने वर्ग के रूप में देखा जा सकता है और यह काफी सफल (अमेज़ॅन) है। हो सकता है कि यह थोड़ा बहुत अधिक डेटा माइनिंग हो और स्केलेर के लिए थोड़ी बहुत मशीन लर्निंग हो, लेकिन बस इसे थोड़ा मोड़ दें और आपको नियम सीखने को मिल जाए जो कि एक अभिनेता के उदाहरण के लिए अगली कार्रवाई की व्याख्या योग्य भविष्यवाणी के लिए काफी उपयोगी है।

आप सही कह रहे हैं कि एसोसिएशन नियम खनन वर्तमान एपीआई में पूरी तरह फिट नहीं है। संकल्पनात्मक रूप से मैं इसे आयामी कमी तकनीकों और पदानुक्रमित क्लस्टरिंग के बीच कहीं देखता हूं। एपीआई के अनुसार यह शायद पदानुक्रमित क्लस्टरिंग के सबसे करीब है।

चूंकि दो पंक्तियां शायद यह व्यक्त करने के लिए बहुत छोटी थीं कि मैत्रीपूर्ण तरीके से, कृपया मेरी क्षमायाचना स्वीकार करें।

कोई बात नहीं। एप्रीओरी के निश्चित रूप से पायथन कार्यान्वयन हैं।
एक अच्छे पुस्तकालय का निर्माण करना जो विकल्पों को एकत्रित करता है, और उन्हें देता है
एक सुसंगत (स्किकिट-लर्न-लाइक) एपीआई एक अच्छी परियोजना की तरह लगता है ... मुझे लगता है
एसोसिएशन रूल माइनिंग पर आधारित क्लासिफायर के दायरे में हो सकते हैं
scikit-learn, लेकिन जब तक कि वे पर्याप्त रूप से लोकप्रिय और मानकीकृत न हों
पहले से ही, यह एक अनुरक्षक के बिना कोड बनने का जोखिम चलाता है।

24 सितंबर 2014 07:52 को, Jörn Hees [email protected] ने लिखा:

क्षमा करें अगर यह स्नाइड के रूप में सामने आया, तो यह मेरा इरादा नहीं था।

मैं मूल रूप से एसोसिएशन रूल लर्निंग की तलाश में यहां पहुंचा था
एल्गोरिदम और बस उन्हें स्केलेर में खोजने की उम्मीद है (क्योंकि यह एक सुंदर है
मशीन लर्निंग एल्गोरिदम का अद्भुत संग्रह और आमतौर पर मुझे सबसे ज्यादा मिलता है
चीजें मुझे इसमें चाहिए (इसके लिए बहुत धन्यवाद))।

इस सूत्र को पढ़ने के बाद मैं दोनों: प्रसन्न और निराश, और चाहता था
दोनों को आवाज देना:

• यह देखकर खुशी हुई कि आपने अच्छा सॉफ्टवेयर इंजीनियरिंग निर्णय लिया है
  ध्यान केंद्रित करना (जो मुश्किल है)।
• निराश है कि एसोसिएशन नियम खनन इसका हिस्सा नहीं है और
  वहाँ एक और व्यक्ति है जो इसे याद करता है। जैसा कि मैंने कहा कि इसे के रूप में देखा जा सकता है
  अनुपयोगी शिक्षण एल्गोरिदम का अपना वर्ग और यह काफी सफल है
  (अमेज़न)। शायद यह थोड़ा अधिक डेटा माइनिंग है और थोड़ा बहुत कम
  स्केलेर के लिए मशीन लर्निंग, लेकिन बस इसे थोड़ा मोड़ दें और आपको नियम मिल जाए
  सीखना जो अगले की व्याख्या योग्य भविष्यवाणी के लिए काफी उपयोगी है
  उदाहरण के लिए एक अभिनेता जो कार्रवाई कर सकता है।

आप सही कह रहे हैं कि एसोसिएशन नियम खनन पूरी तरह से फिट नहीं है
वर्तमान एपीआई। संकल्पनात्मक रूप से मैं इसे आयामीता के बीच कहीं देखता हूं
कमी तकनीक और श्रेणीबद्ध क्लस्टरिंग। एपीआई के अनुसार यह शायद है
पदानुक्रमित क्लस्टरिंग के सबसे करीब।

चूँकि दो पंक्तियाँ शायद इतनी छोटी थीं कि इसे मैत्रीपूर्ण ढंग से व्यक्त करने के लिए,
कृपया मेरी क्षमा याचना स्वीकार करे।

-
इस ईमेल का सीधे उत्तर दें या इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -56595906
.

मुझे लगता है कि यह सार्थक होगा, यह लेख: एसोसिएशन के नियमों और निर्णय वृक्षों की तुलना करनारोग की भविष्यवाणी के लिए निर्णय पेड़ों की तुलना में स्पष्ट लाभ प्रदर्शित करता है।

इस ब्लॉग पोस्ट में A-Priori के लिए पायथन कोड शामिल है, इन एल्गोरिदम को कभी-कभी लागू करना दिलचस्प हो सकता है। क्या अलग प्रोटोटाइप पैकेज पर कोई काम है?

अब तक कोई भी नहीं। हो सकता है कि आप मेलिंग सूची पर इसके लिए समर्थन एकत्र करने का प्रयास कर सकें?

मैं, एक के लिए, निराश हूं कि इन एल्गोरिदम को स्केलेर में लागू नहीं किया गया है। मेरे सलाहकार जियावेई हान हैं, जो एफपी-ग्रोथ और प्रीफिक्सस्पैन के लेखक हैं, और उन दोनों पेपरों के लिए उद्धरणों की संख्या ("उम्मीदवार पीढ़ी के बिना खनन लगातार पैटर्न" और "पैटर्न-ग्रोथ द्वारा खनन अनुक्रमिक पैटर्न") इस बात का प्रमाण है कि दोनों उन एल्गोरिदम के पास स्केलेर में एक जगह है।

सिर्फ इसलिए कि विज्ञान-सीखने में शामिल करने के लिए लोकप्रियता मानदंड है
एल्गोरिदम, इसका मतलब यह नहीं है कि हर लोकप्रिय एल्गोरिदम को शामिल किया जाना चाहिए।
स्किकिट-लर्न का दायरा सीमित होना चाहिए, और यह इससे बहुत दूर है
वर्गीकरण और प्रतिगमन जैसी समस्याएं (हालांकि मुझे इसमें दिलचस्पी होगी)
एक सफल एसोसिएशन-आधारित क्लासिफायरियर लागू देखें)।

निराश होने के लिए स्वतंत्र महसूस करें, लेकिन मुझे दृढ़ता से संदेह है कि एआरएल तकनीकें होंगी
निकट भविष्य में स्किकिट-लर्न में सीधे शामिल हों (हालांकि
एक अन्य परियोजना उन्हें एक विज्ञान-सीखने-जैसी एपीआई प्रदान कर सकती है)। वहां
अन्य परियोजनाएं जहां ये एल्गोरिदम अधिक उपयुक्त हैं, लेकिन यदि आप
उनसे भी निराश, जाइए अपना बनाइए।

25 मार्च 2015 को 09:11 बजे, हेनरी नोटिफिकेशन @github.com ने लिखा:

मैं, एक के लिए, निराश हूं कि इन एल्गोरिदम को लागू नहीं किया गया है
स्केलेर मेरे सलाहकार जियावेई हान हैं, जो एफपी-ग्रोथ और प्रीफिक्सस्पैन के लेखक हैं,
और उन दोनों पत्रों के लिए उद्धरणों की संख्या (
"उम्मीदवार पीढ़ी के बिना खनन लगातार पैटर्न" और "खनन"
पैटर्न-विकास द्वारा अनुक्रमिक पैटर्न") इस बात का प्रमाण है कि वे दोनों
एल्गोरिदम का स्केलेर में एक स्थान है।

-
इस ईमेल का सीधे उत्तर दें या इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -85713120
.

एसोसिएशन लर्निंग एल्गोरिदम वर्गीकरण और प्रतिगमन जैसी समस्याओं से बहुत दूर हैं। हालांकि हम फ़्रीक्वेंट आइटमसेट/पैटर्न माइनिंग एल्गोरिथम को काउंटवेक्टराइज़र और tfidfvectorizer जैसे फ़ीचर जेनरेशन एल्गोरिथम के रूप में मान सकते हैं। उन लगातार पैटर्न का उपयोग इनपुट सुविधाओं के रूप में किसी भी क्लासिफायरियर एल्गोरिदम में किया जा सकता है, और यह जानकारी लाभ आधारित निर्णय वृक्ष सीखने को लागू करने से कहीं अधिक सहज और कुछ हद तक अलग होगा।

यह एक विकल्प है। Kudo और Matsumoto दिखाते हैं कि PrefixSpan के साथ पॉलीकर्नेल के सबसेट का नमूना कैसे लिया जाता है।

मैं स्किकिट-लर्न डॉक्यूमेंटेशन देख सकता हूं और जांच सकता हूं, लेकिन मैं आपसे सीधे पूछूंगा, क्या यह विकल्प (कुडो और मात्सुमोतो) स्किकिट-लर्न में उपलब्ध है।

नहीं, मैं सिर्फ इतना कह रहा हूं कि यह हो सकता है।

अपियोरी अलोगोरिथम के लिए +1

ध्यान दें कि एमएल एल्गोरिदम हैं जो इनपुट के रूप में लगातार आइटम सूचियों पर निर्भर करते हैं। उदाहरण के लिए, सिंथिया रुडिन की बायेसियन नियम सूची देखें (cf, http://www.stat.washington.edu/research/reports/2012/tr609%20-%20old.pdf)।

एक प्रतिक्रिया चर के साथ एक डेटा सेट पर विचार करें जिसकी भविष्यवाणी की जानी चाहिए, जिसके लिए सभी विशेषताएं द्विआधारी संकेतक हैं (शायद एक-हॉट-एन्कोडिंग के परिणामस्वरूप)। हम एक प्रशिक्षण सेट पंक्ति को 'टोकरी' मान सकते हैं और उस प्रशिक्षण सेट पंक्ति के लिए एक विशेषता की उपस्थिति को टोकरी के भीतर एक 'आइटम' मान सकते हैं। इस प्रकार, काफी सामान्य डेटा सेट को एप्रीओरी, एफपी-ग्रोथ और अन्य लगातार आइटमसेट खनन तकनीकों द्वारा संचालित किया जा सकता है।

बायेसियन नियम सूची एल्गोरिथम में, लगातार आइटमसेट का मूल्यांकन किया जाता है और अंततः उनसे एक-तो-और संरचना बनाई जाती है। अधिक जानकारी के लिए संदर्भित पेपर देखें।

मुद्दा यह है कि लगातार आइटमसेट माइनिंग दृष्टिकोण उपलब्ध होने से क्लासिफायर और रिग्रेसर्स का समर्थन हो सकता है --- पहले से ही स्केलेर के दायरे में --- न केवल बाजार टोकरी विश्लेषण।

इस तरह के एल्गोरिदम के लिए शायद scipy में उपलब्ध होने की प्रेरणा है। का
बेशक, अगर एक क्लासिफायरियर या समान जो स्किकिट-लर्न के समावेश को पूरा करता है
आइटमसेट माइनिंग के साथ दिशा-निर्देश लागू किए गए थे, इसका एक अच्छा मौका मिला है
समावेश, apriori और सभी।

19 अप्रैल 2016 को 01:14 बजे, rmenich [email protected] ने लिखा:

ध्यान दें कि एमएल एल्गोरिदम हैं जो लगातार आइटम सूचियों पर निर्भर करते हैं:
इनपुट। उदाहरण के लिए, सिंथिया रुडिन की बायेसियन नियम सूची देखें (cf,
http://www.stat.washington.edu/research/reports/2012/tr609%20-%20old.pdf)।

एक प्रतिक्रिया चर के साथ एक डेटा सेट पर विचार करें जिसकी भविष्यवाणी की जानी चाहिए जिसके लिए सभी
विशेषताएं द्विआधारी संकेतक हैं (शायद इसके परिणामस्वरूप
एक-गर्म-एन्कोडिंग)। हम एक प्रशिक्षण सेट पंक्ति को 'टोकरी' मान सकते हैं और
उस प्रशिक्षण सेट पंक्ति के लिए एक सुविधा की उपस्थिति के भीतर एक 'आइटम' होने के लिए
टोकरी। इस प्रकार, काफी सामान्य डेटा सेट द्वारा संचालित किया जा सकता है
एप्रीओरी, एफपी-ग्रोथ, और अन्य लगातार आइटमसेट माइनिंग तकनीक।

बायेसियन नियम सूची एल्गोरिथ्म में, लगातार आइटमसेट का मूल्यांकन किया जाता है
और अंतत: यदि-तब-अन्य संरचना उनसे निर्मित होती है। देखें
अधिक जानकारी के लिए संदर्भित पेपर।

मुद्दा यह है कि बार-बार आइटमसेट माइनिंग दृष्टिकोण उपलब्ध होना
क्लासिफायर और रजिस्टरों का समर्थन कर सकता है --- पहले से ही के दायरे में
sklearn --- न केवल बाजार टोकरी विश्लेषण।

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें या इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -211424583

मुझे नहीं पता कि इस बातचीत के शुरू होने के बाद से स्केलेर कितना बदल गया है, लेकिन एक संपूर्ण "क्लस्टर" पैकेज है जो प्रतिगमन/वर्गीकरण भी नहीं है। मुझे लगता है कि एसोसिएशन के नियमों और लगातार आइटमसेट के लिए नवीनतम एल्गोरिदम का एक अच्छा कार्यान्वयन स्केलेर में कई लोगों द्वारा स्वागत किया जाएगा।

क्लस्टरिंग काफी हद तक वर्गीकरण की तरह है, लेकिन अनुपयोगी है, और लंबे समय से स्किकिट-लर्न का हिस्सा रहा है। एसोसिएशन नियम खनन प्राथमिक कार्यों के बाहर रहता है, स्किकिट-लर्न पर ध्यान केंद्रित किया जाता है, और यह अपने एपीआई को बड़े करीने से फिट नहीं करता है, लेकिन एसोसिएशन-आधारित क्लासिफायरियर के संदर्भ में प्रासंगिक हो सकता है।

"नवीनतम एल्गोरिदम" विज्ञान-सीखने के बारे में नहीं है। हमारे अक्सर पूछे जाने वाले प्रश्न देखें।

अच्छा होगा कि मैं खुद को न दोहराऊं।

@actsasgeek यदि आप एक विज्ञान-सीखने के अनुकूल तरीके से एसोसिएशन नियम खनन को लागू करना चाहते हैं, तो हमें इसे scikit-learn-contrib में शामिल करने में खुशी होगी: https://github.com/scikit-learn-contrib/scikit-learn -contrib/blob/master/README.md

मुझे आशा है कि मेरा दोहराव वाला प्रश्न आपको परेशान नहीं करेगा, क्योंकि मुझे स्किकिट लर्न जैसे महान काम में एसोसिएशन रूल माइनिंग को जोड़ने के विपरीत एक भावना दिखाई देती है। मैं सिर्फ अपडेट होना चाहता हूं कि क्या इस धागे के निर्माण के तीन साल बाद विज्ञान सीखने में कोई लगातार आइटम सेट लागू किया गया है?

एसोसिएशन रूल माइनिंग मशीन लर्निंग के दायरे से बाहर है, और
निश्चित रूप से विज्ञान-सीखने के दायरे से बाहर।

एसोसिएशन के नियमों के आधार पर वर्गीकरण ही एकमात्र संदर्भ है जिसमें हम
इस पर विचार करेगा, और फिर इसे अभी भी एक कठिन बिक्री की आवश्यकता होगी।

17 अगस्त 2017 को 15:59 बजे, saria85 [email protected] ने लिखा:

मुझे आशा है कि मेरा दोहराए जाने वाला प्रश्न आपको परेशान नहीं करेगा, जैसा कि मुझे एक भावना दिखाई दे रही है
इस तरह के एक महान काम में एसोसिएशन नियम खनन को जोड़ने के विपरीत
स्किकिट सीखो। मैं सिर्फ अपडेट होना चाहता हूं कि क्या कोई लगातार आइटम सेट है
इसे बनाने के तीन साल बाद स्किकिट लर्न में लागू किया गया
धागा?।

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment-322976532 ,
या थ्रेड को म्यूट करें
https://github.com/notifications/unsubscribe-auth/AAEz67fCICLgV-3OpYiV3ErpJSW0mobgks5sY9a4gaJpZM4BT5PS
.

रुचि रखने वालों के लिए,

mlxtend नामक एक पुस्तकालय एक प्राथमिक एल्गोरिदम लागू करता है:
http://rasbt.github.io/mlxtend/api_subpackages/mlxtend.frequent_patterns/

हाँ, सभी को इसकी आवश्यकता है, इसलिए स्किकिट-लर्न करना बहुत अच्छा होगा।
एमएल में इसका उपयोग करने के लिए एक और लिंक
http://www2.cs.uh.edu/~ordonez/pdfwww/w-2006-HIKM-ardtmed.pdf
एसोसिएशन के नियमों और निर्णय वृक्षों की तुलना करना
रोग की भविष्यवाणी के लिए

वह पैटर्न माइनिंग है एमएल नहीं