빈발 패턴 탐색

항목	값
화면 이름	Frequent pattern growth
식별자	`fpGrowthV1`
지원 실행 방식	Batch
범주	집계 (Aggregate), 열, 행과 실행 제어 (Other)

Frequent pattern growth로 데이터셋에서 자주 나타나는 패턴을 찾습니다.

입력 인자

이름	지정 여부	자료형	의미와 조건
`Input dataset`	필수	`Table`	항목 열과 트랜잭션 열이 있는 원천 데이터셋입니다.
`Items column`	필수	`Column<Array<String>>`	패턴을 찾을 항목들이 들어 있는 배열 열입니다.
`Minimum support`	필수	`Literal<Double>`	패턴이 나타나야 할 최소 비율입니다.

입출력 예시

예시 1: 기본 동작

인자 값:

Input dataset: ri.foundry.main.dataset.a
Items column: customer_attributes
Minimum support: 0.6

입력:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ age_group: 20-30, country: Germany, gender: Male ]

출력:

pattern	pattern_occurrence	total_count
[ country: Germany, age_group: 20-30 ]	2	2
[ age_group: 20-30 ]	2	2
[ country: Germany ]	2	2

예시 2: null 처리

인자 값:

Input dataset: ri.foundry.main.dataset.a
Items column: customer_attributes
Minimum support: 0.0

입력:

customer_attributes
null

출력:

pattern	pattern_occurrence	total_count

예시 3: null 처리

인자 값:

Input dataset: ri.foundry.main.dataset.a
Items column: customer_attributes
Minimum support: 0.0

입력:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ null ]

출력:

pattern	pattern_occurrence	total_count
[ country: Germany ]	1	2
[ country: Germany, age_group: 20-30 ]	1	2
[ null ]	1	2
[ age_group: 20-30 ]	1	2
[ gender: Female ]	1	2
[ gender: Female, country: Germany ]	1	2
[ gender: Female, country: Germany, age_group: 20-30 ]	1	2
[ gender: Female, age_group: 20-30 ]	1	2

예시 4: 경계 조건

인자 값:

Input dataset: ri.foundry.main.dataset.a
Items column: customer_attributes
Minimum support: 0.0

입력:

customer_attributes
[ age_group: 20-30, country: Germany, gender: Female ]
[ age_group: 20-30, country: Germany, gender: Male ]

출력:

pattern	pattern_occurrence	total_count
[ gender: Male ]	1	2
[ gender: Male, country: Germany ]	1	2
[ gender: Male, country: Germany, age_group: 20-30 ]	1	2
[ gender: Male, age_group: 20-30 ]	1	2
[ age_group: 20-30 ]	2	2
[ country: Germany ]	2	2
[ country: Germany, age_group: 20-30 ]	2	2
[ gender: Female ]	1	2
[ gender: Female, country: Germany ]	1	2
[ gender: Female, country: Germany, age_group: 20-30 ]	1	2
[ gender: Female, age_group: 20-30 ]	1	2