我需要生成用于关联规则挖掘的合成数据集,以比较我的算法与现有算法的性能。我下载了IBMQuestDataGenerator,但不知道如何使用论文中使用的相同参数生成数据集。例如,如何生成t40i10d100k.dat t40i10d1000k.dat、t10i4d100k.dat t25i10d10k.data数据集?t、i和d是什么意思?使用发电机时如何设置这些参数?
帮助输出以下内容。
hduser@master:~$ ./gen lit -help
Command Line Options:
-ntrans number_of_transactions (in 1000's) (default: 1000)
-tlen avg_items_per_transaction (default: 10)
-nitems number_of_different_items (in '000s) (default: 100000)
-npats number_of_patterns (default: 10000)
-patlen avg_length_of_maximal_pattern (default: 4)
-corr correlation_between_patterns (default: 0.25)
-conf avg_confidence_in_a_rule (default: 0.75)
-fname <filename> (write to filename.data and filename.pat)
-ascii (default: False)
-randseed # (reset seed used generate to x-acts; must be negative)
-version (to print out version info)
1条答案
按热度按时间llew8vvj1#
您可以在这里获得ibm generator:
http://forum.ai-directory.com/read.php?5,33
下面是字母的解释:
d:数据集中的序列数c:每个序列的平均项集数t:每个项集的平均项集数s:潜在频繁序列中的平均项集数。i:潜在频繁序列中项目集的平均大小n:数据集中不同项目的数量