如何在Pyspark中使用Spark FP增長獲得關聯規則的升降價值？

Question

fpGrowth = FPGrowth(itemsCol="items", minSupport=0.5, minConfidence=0.6) 
model = fpGrowth.fit(df) 
model.associationRules.show() 

使用上面的代碼，我只能得到每個關聯規則的置信度。但是我怎樣才能得到'lift'使用Spark FP-growth在Pyspark中的每個關聯規則的價值？

的情況下

，我只有這兩個dataframes，我怎麼可以添加在第一數據幀信心背後的價值是提升值自動（不添加人工？

+----------+----------+------------------+ 
|antecedent|consequent|  confidence| 
+----------+----------+------------------+ 
| [2, 1]|  [5]|0.6666666666666666| 
| [5, 1]|  [2]|    1.0| 
|  [2]|  [1]|    1.0| 
|  [2]|  [5]|0.6666666666666666| 
|  [5]|  [2]|    1.0| 
|  [5]|  [1]|    1.0| 
| [5, 2]|  [1]|    1.0| 
|  [1]|  [2]|    1.0| 
|  [1]|  [5]|0.6666666666666666| 
+----------+----------+------------------+ 

+---------+----+------------------+ 
| items|freq|   support| 
+---------+----+------------------+ 
|  [1]| 3|    1.0| 
|  [2]| 3|    1.0| 
| [2, 1]| 3|    1.0| 
|  [5]| 2|0.6666666666666666| 
| [5, 2]| 2|0.6666666666666666| 
|[5, 2, 1]| 2|0.6666666666666666| 
| [5, 1]| 2|0.6666666666666666| 
+---------+----+------------------+ 

Answer 1

這是很容易計算：電梯是信心C商因此電梯的規則是信心C(a->b)/C(b)例如如果bread -> cheese的信心1.2和-> cheese的信心1.1，那麼電梯1.2/1.1

。

見here

Answer 2

df1.join(df2,df2.items==df1.consequent, 'left').select("antecedent","consequent","confidence","support").show() 

+----------+----------+------------------+------------------+ 
|antecedent|consequent|  confidence|   support| 
+----------+----------+------------------+------------------+ 
| [2, 1]|  [5]|0.6666666666666666|0.6666666666666666| 
|  [2]|  [5]|0.6666666666666666|0.6666666666666666| 
|  [1]|  [5]|0.6666666666666666|0.6666666666666666| 
|  [2]|  [1]|    1.0|    1.0| 
|  [5]|  [1]|    1.0|    1.0| 
| [5, 2]|  [1]|    1.0|    1.0| 
| [5, 1]|  [2]|    1.0|    1.0| 
|  [5]|  [2]|    1.0|    1.0| 
|  [1]|  [2]|    1.0|    1.0| 
+----------+----------+------------------+------------------+