问题标签 [mlxtend]

我一直在尝试使用稀疏矩阵进行关联规则挖掘，但它一直在抛出AttributeError: dtypes not found. 我知道错误的含义，但我无法解决它。这就是我所拥有的：

结果：

直到这里一切都很好并且工作正常，但是当我运行下一个块时，它会弹出错误。

我已经在其他问题中检查了该问题的其他“解决方案”，但没有一个对我有用。

整个错误

from mlxtend.frequent_patterns import fpgrowth #使用FP增长算法

#数字

频繁项集_fp_num=fpgrowth(num, min_support=0.01, use_colnames=True)

嗨，我尝试将 fpgrowth 与 mlxtend 一起使用，但出现错误“模块”对象不可调用。我尝试使用“pip install git+git://github.com/rasbt/mlxtend.git”，但两者都没有。请问我有什么建议可以解决这个问题。

谢了。

我有一个项目，我想在购物车中查找商品之间的关联规则。为此，我使用 Sql Server 中的 ML 服务（Python），并使用mlxtend库查找关联规则。但是问题我有的是该fpgrowth函数显然使用了大量内存，以至于它停止工作并给出错误。尽可能使用sql server进行数据预处理以提高效率。

部分代码：

蟒蛇代码：

错误：内存错误

项目中使用的工具：

有没有解决方案可以更有效地做到这一点并避免错误？

我用 python 和MLxtend库和FG grows算法实现了一个推荐系统。我在给用户的建议部分有问题。我想知道建议的解决方案是什么。

例如：规则结果来自mlxtend.FG_grows

现在我想使用用户购物篮提供该产品

用户购物篮数据：

现在我创建了用户篮子的所有状态然后加入dbo.rules结果。
创建所有状态：

我认为这不是最佳方式。是否有 Python 函数或更好的解决方案？

我正在尝试在数据帧系列上使用转换编码器，但它没有按预期工作。这是我正在使用的数据框（订单）：

这是我正在尝试的代码

据我了解，store_menu_id 中的字符串被拆分为字符串中的字母。

我也尝试用列表而不是系列来安装编码器，但我仍然面临同样的问题。

任何关于为什么会发生这种情况的见解都会真正有帮助。

谢谢！

我正在使用sklearn并mlxtend.regressor.StackingRegressor构建一个堆叠回归模型。例如，假设我想要以下小管道：

1. 具有两个回归量的堆叠回归量：
   • 一个管道，它：
     • 执行数据插补
     • 1-hot 编码分类特征
     • 执行线性回归
   • 一个管道，它：
     • 执行数据插补
     • 使用决策树执行回归

不幸的是，这是不可能的，因为StackingRegressor不接受NaN其输入数据。即使它的回归器知道如何处理NaN也是如此，因为在我的情况下，回归器实际上是执行数据插补的管道。

但是，这不是问题：我可以将数据插补移到堆叠回归器之外。现在我的管道看起来像这样：

1. 执行数据插补
2. 应用具有两个回归量的堆叠回归量：
   • 一个管道，它：
     • 1-hot 编码分类特征
     • 标准化数字特征
     • 执行线性回归
   • 一个sklearn.tree.DecisionTreeRegressor。

可以尝试按如下方式实现它（本要点中的整个最小工作示例，带有注释）：

请注意，“外部” ColumnTransformer（in stacked_regressor）返回一个numpy矩阵。但是“内部” ColumnTransformer（in sr_linear）需要 a pandas.DataFrame，所以我不得不使用 step 将矩阵转换回数据框back_to_pandas。（要使用get_feature_names_out我必须使用 sklearn 的 nightly 版本，因为当前稳定的 1.0.2 版本还不支持它。幸运的是它可以通过一个简单的命令安装。）

上面的代码在调用时失败stacked_regressor.fit()，出现以下错误（整个堆栈跟踪再次在gist中）：

但是，因为我在back_to_pandas外部管道中添加了该步骤，所以内部管道应该得到一个 pandas 数据框！事实上，如果我只是fit_transform()我的ct_imputation对象，我清楚地获得了一个熊猫数据框。我无法理解传递的数据究竟在何时何地不再是数据框。为什么我的代码失败了？