Scikit-learn: 連想学習アルゴリズム

アイテムセットマイニングがsklearnの範囲内にあるかどうかはわかりません。 私はアプリオリアルゴリズムしか知りませんが、もっと高度なアルゴリズムがあることは知っています。 スパースインジケーター行列を使用してAPIに適合させることはできると思いますが、どういうわけか、他のsklearnとは非常にばらばらに見えます。

これらは、カテゴリデータの決定木アルゴリズムであるCBAアルゴリズムの前身として使用できます。

sklearnにワンホットトランスフォームがない場合、カテゴリデータの決定木（またはその他のアルゴリズム）はありません。

頻繁なアイテムマイニングはOTと見なされるべきだと思います。 コア開発者は誰もその分野で働いていないので、提出されたコードは孤立する可能性があります。 このため、ライブラリの範囲を縮小しようとしています。

頻繁なアイテムマイニングはOTと見なされるべきだと思います。 コアのどれも
開発者はその分野で働いているので、提出されたコードは次のようになる可能性があります
孤立しました。

また、コードパターンの種類も大きく異なると思います
それから私たちが現在持っているもの。

面白くないと言っているのではなく、ツールは
別のもの。

こんにちは、

AprioriとFPの成長アルゴリズムについてある程度の知識があります。 この問題に取り組みたいと思います。 すでに取り組んでいる人はいますか？もしそうなら、私もそれを手伝いたいと思います。

この問題を閉じます。 連想学習は別のパッケージでプロトタイプ化する必要があると思います。 コードとインターフェースが私たちのものと十分に類似していることが判明した場合、scikit-learnにマージするためのコードを検討できます。

悲しい決断！

この問題を閉じます。 連想学習は別のパッケージでプロトタイプ化する必要があると思います。 コードとインターフェースが私たちのものと十分に類似していることが判明した場合、scikit-learnにマージするためのコードを検討できます。

非常に合理的な決定:)

：+1：フォーカス用
：-1：よく知られている教師なし学習アルゴリズムのクラス全体を除外するため

@joernheesは、教師なし学習のこの定式化がscikit-learn APIにどのように適合するかを説明できますか？ 簡単ではない場合は、独自のAPIを確立できる別のプロジェクトのスコープに属している可能性があります。 @larsmansはそれを上で非常に明確にしたと思います、そしてそれはスナイド応答に値しません。

これがスナイドとして出くわした場合は申し訳ありませんが、それは私の意図ではありませんでした。

私はもともと相関ルール学習アルゴリズムを探してここに到着し、sklearnでそれらを見つけることを期待していました（これは機械学習アルゴリズムの非常に素晴らしいコレクションであり、通常は必要なものがほとんど見つかります（ありがとうございます））。

このスレッドを読んだ後、私は両方とも満足し、失望し、両方を表明したかった：

• あなたが焦点を合わせるための良いソフトウェアエンジニアリングの決定を下しているのを見てうれしく思います（これは難しいです）。
• アソシエーションルールマイニングがその一部ではなく、それを見逃している別の人がいることに失望しました。 私が言ったように、それは教師なし学習アルゴリズムの独自のクラスとして見ることができ、それは非常に成功しています（アマゾン）。 sklearnのデータマイニングが多すぎて機械学習が少なすぎるかもしれませんが、少しひねるとルール学習が得られます。これは、たとえば俳優がとる可能性のある次のアクションの説明可能な予測に非常に役立ちます。

相関ルールマイニングが現在のAPIに完全に適合していないのは正しいです。 概念的には、次元削減手法と階層的クラスタリングの間のどこかにあります。 APIに関しては、おそらく階層的クラスタリングに最も近いでしょう。

2行は短すぎてわかりやすく表現できなかったので、お詫び申し上げます。

問題なし。 aprioriのPython実装は間違いなくあります。
選択肢をまとめて提供する優れたライブラリを構築する
一貫性のある（scikit-learnのような）APIは素晴らしいプロジェクトのようです...私は思います
相関ルールマイニングに基づく分類子は、
scikit-learnですが、十分に人気があり、標準化されていない限り
すでに、メンテナなしでコードになるリスクがあります。

2014年9月24日07：52、 JörnHeesnotifications @ github.comは次のように書いています。

これがスナイドとして出くわした場合は申し訳ありませんが、それは私の意図ではありませんでした。

私はもともと相関ルール学習を探してここに到着しました
アルゴリズムとsklearnでそれらを見つけることが期待されています（それはかなりですので）
機械学習アルゴリズムの素晴らしいコレクションで、通常私はほとんどを見つけます
必要なもの（ありがとうございます））。

このスレッドを読んだ後、私は両方でした：満足と失望、そして欲しかった
両方を声に出す：

• あなたが良いソフトウェアエンジニアリングの決定を下すのを見てうれしいです
  焦点を合わせる（これは難しい）。
• アソシエーションルールマイニングがその一部ではなく、
  それを逃している別の人がそこにいます。 私が言ったようにそれはとして見ることができます
  教師なし学習アルゴリズムの独自のクラスであり、非常に成功しています
  （アマゾン）。 多分それは少し多すぎるデータマイニングと少し少なすぎる
  sklearnの機械学習ですが、少しひねるとルールが決まります
  次の説明可能な予測に非常に役立つ学習
  たとえば、俳優がとる行動。

相関ルールマイニングが完全に適合しないのは正しいです
現在のAPI。 概念的には、次元の間のどこかでそれを見る
削減手法と階層的クラスタリング。 APIに関しては、おそらく
階層的クラスタリングに最も近い。

2行はおそらく短すぎて、それを友好的に表現することはできませんでした。
私の謝罪を受け入れてください。

—
このメールに直接返信するか、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -56595906
。

これは価値があると思います。この記事：アソシエーションルールとディシジョンツリーの比較for Disease Predictionは、決定木と比較して明らかな利点を示しています。

このブログ投稿には、A-PrioriのPythonコードが含まれています。これらのアルゴリズムの実装に挑戦することは、いつか興味深いかもしれません。 別のプロトタイピングパッケージに関する作業はありますか？

今のところありません。 たぶん、メーリングリストでこれに対するサポートを集めることを試みることができますか？

私は、これらのアルゴリズムがsklearnに実装されていないことに失望しています。 私のアドバイザーはFP-growthとPrefixSpanの著者であるJiaweiHanであり、これらの論文の両方の引用数（「候補生成なしの頻繁なパターンのマイニング」と「パターン成長によるシーケンシャルパターンのマイニング」）は、両方がこれらのアルゴリズムはsklearnに含まれています。

scikit-learnに人気基準があるからといって
アルゴリズム。これは、一般的なすべてのアルゴリズムを含める必要があるという意味ではありません。
Scikit-learnは範囲を限定する必要があり、これは単純に遠すぎます
分類と回帰のような問題（私は興味がありますが
実装されたアソシエーションベースの分類子の成功を参照してください）。

がっかりすることはありませんが、ARLの手法が
近い将来、scikit-learnに直接含まれるようになります（ただし
別のプロジェクトがscikit-learnのようなAPIを提供する場合があります）。 がある
これらのアルゴリズムがより適切である他のプロジェクト、しかしあなたが
彼らにもがっかりしました、あなた自身を作ってください。

2015年3月25日09：11、 Henrynotifications @ github.comは次のように書いています。

私は、これらのアルゴリズムがに実装されていないことに失望しています
sklearn。 私のアドバイザーは、FP-growthとPrefixSpanの著者であるJiaweiHanです。
両方の論文の引用数（
「候補生成なしの頻繁なパターンのマイニング」および「マイニング
パターン成長による連続パターン」）は、これらの両方が
アルゴリズムはsklearnに存在します。

—
このメールに直接返信するか、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -85713120
。

連想学習アルゴリズムは、分類や回帰のような問題からはかけ離れています。 代わりに、Frequent Itemset /パターンマイニングアルゴリズムを、countvectorizerやtfidfvectorizerのような機能生成アルゴリズムと見なすことができます。 これらの頻繁なパターンは、入力機能として分類アルゴリズムで使用される可能性があり、情報ゲインベースの決定木学習を適用するよりもはるかに直感的で多少異なります。

それはオプションです。 工藤と松本は、PrefixSpanを使用してポリカーネルのサブセットをサンプリングする方法を示しています。

scikit-learnのドキュメントを検索して確認することはできますが、直接お聞きします。このオプション（工藤と松本）はscikit-learnで利用できますか。

いいえ、そうかもしれないと言っているだけです。

ApioriAlogorithmの+1

入力として頻繁なアイテムリストに依存するMLアルゴリズムがあることに注意してください。 たとえば、Cynthia Rudinのベイジアンルールリスト（http://www.stat.washington.edu/research/reports/2012/tr609%20-%20old.pdfを参照）を参照してください。

すべての機能がバイナリインジケーターである（おそらくワンホットエンコーディングの結果として）予測される応答変数を持つデータセットについて考えてみます。 トレーニングセットの行は「バスケット」であり、そのトレーニングセットの行の機能の存在はバスケット内の「アイテム」であると見なすことができます。 したがって、かなり一般的なデータセットは、アプリオリ、FPグロース、およびその他の頻繁なアイテムセットマイニング手法によって操作できます。

ベイジアンルールリストアルゴリズムでは、頻繁なアイテムセットが評価され、最終的にif-then-else構造がそれらから作成されます。 詳細については、参考文献を参照してください。

重要なのは、頻繁にアイテムセットマイニングアプローチを利用できるようにすることで、マーケットバスケット分析だけでなく、分類子とリグレッサーをサポートできる可能性があるということです。

それが、おそらくそのようなアルゴリズムがscipyで利用可能になる動機です。 の
もちろん、scikit-learnの包含を満たす分類子などの場合
ガイドラインはアイテムセットマイニングで実装されました。
インクルージョン、アプリオリ、そしてすべて。

2016年4月19日01:14に、 rmenichnotifications @ github.comは次のように書いています。

頻繁なアイテムリストに依存するMLアルゴリズムがあることに注意してください。
入力。 たとえば、シンシア・ルーディンのベイジアンルールリスト（cf、
http://www.stat.washington.edu/research/reports/2012/tr609%20-%20old.pdf）。

予測される応答変数を持つデータセットを考えてみましょう。
機能はバイナリインジケーターです（おそらく
ワンホットエンコーディング）。 トレーニングセットの行を「バスケット」と見なすことができます。
そのトレーニングセット行が「アイテム」内にある機能の存在
バスケット。 したがって、かなり一般的なデータセットは、
apriori、FP-growth、およびその他の頻繁なアイテムセットマイニングテクニック。

ベイジアンルールリストアルゴリズムでは、頻繁なアイテムセットが評価されます
そして最終的には、if-then-else構造がそれらから作成されます。 を参照してください
詳細については、参考文献を参照してください。

ポイントは、頻繁なアイテムセットマイニングアプローチを利用できることです
分類器とリグレッサーをサポートできます---すでに
sklearn ---マーケットバスケット分析だけではありません。

—
コメントしたのでこれを受け取っています。
このメールに直接返信するか、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment -211424583

この会話が始まってからsklearnがどれだけ変わったかはわかりませんが、回帰/分類ではない「クラスター」パッケージ全体があります。 sklearnの多くの人は、相関ルールと頻繁なアイテムセットの最新のアルゴリズムの適切な実装を歓迎すると思います。

クラスタリングは分類によく似ていますが、教師なしであり、長い間scikit-learnの一部でした。 アソシエーションルールマイニングは、scikit-learnが焦点を当てている主要なタスクの範囲外であり、そのAPIに適切に適合していませんが、アソシエーションベースの分類子のコンテキストに関連している可能性があります。

「最新のアルゴリズム」は、scikit-learnの目的ではありません。 FAQを参照してください。

繰り返す必要がないのはいいことです。

@actsasgeek scikit-learn互換の方法でアソシエーションルールマイニングを実装する場合は、scikit-learn-contribに含めてください： https ：//github.com/scikit-learn-contrib/scikit-learn

scikit learnのような素晴らしいライブラリに相関ルールマイニングを追加することに反対の気持ちがあるので、私の繰り返しの質問があなたを悩ませないことを願っています。 更新したいのですが、scikitで実装されている頻繁なアイテムセットは、このスレッドの作成から3年後に学習しますか？

アソシエーションルールマイニングは機械学習の範囲外であり、
確かにscikit-learnの範囲外です。

アソシエーションルールに基づく分類は、私たちが
それを考慮し、それでもそれは売れ行きが悪い必要があります。

2017年8月17日15：59、 saria85notifications @ github.comは次のように書いています。

私の繰り返しの質問があなたに迷惑をかけないことを願っています
このような素晴らしいライブラリにアソシエーションルールマイニングを追加するのとは反対です。
scikitは学びます。 更新したいのですが、よくあるアイテムセットはありますか？
scikitで実装されたこれの作成の3年後に学ぶ
thred？。

—
コメントしたのでこれを受け取っています。
このメールに直接返信し、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/2662#issuecomment-322976532 、
またはスレッドをミュートします
https://github.com/notifications/unsubscribe-auth/AAEz67fCICLgV-3OpYiV3ErpJSW0mobgks5sY9a4gaJpZM4BT5PS
。

興味のある方は、

mlxtendというライブラリは、事前アルゴリズムを実装しています。
http://rasbt.github.io/mlxtend/api_subpackages/mlxtend.frequent_patterns/

はい、誰もがそれを必要としているので、scikit-learnに参加するのは素晴らしいことです。
MLで使用するためのもう1つのリンク
http://www2.cs.uh.edu/~ordonez/pdfwww/w-2006-HIKM-ardtmed.pdf
アソシエーションルールとディシジョンツリーの比較
病気の予測のため

それはMLではなくパターンマイニングです