来自R(arulesSequences)中cSPADE的奇数结果，带有大数据.我可以强制numpart为1吗?是否存在风

Question

我一直在尝试在我的事务文件中有大约700万条记录的数据集上使用cSPADE（700万个唯一序列ID x事件ID对）。当我尝试在此数据集上运行cSPADE时，得到的支持结果似乎完全错误。然而，当我使用大约86000条记录（或多或少是前一个文件的头）时，结果看起来是正确的。我注意到，到目前为止，详细日志只显示使用了1个分区，而当我尝试850000条记录时，使用了3个分区。

使用100000条记录时的详细输出（具有合理的结果）：

> s1 <- cspade(trans, parameter = list(support = 0.1,maxlen=1), control = list(verbose = TRUE))
parameter specification:
support : 0.1
maxsize :  10
maxlen  :   1
algorithmic control:
bfstype  : FALSE
verbose  :  TRUE
summary  : FALSE
tidLists : FALSE
preprocessing ... 1 partition(s), 1.98 MB [0.7s]
mining transactions ... 0 MB [0.21s]
reading sequences ... [0.03s]
total elapsed time: 0.94s
> summary(s1)
set of 14 sequences with
most frequent items:
      A       B       C       D       E (Other) 
      2       2       1       1       1       8 
.
.
.
summary of quality measures:
    support      
 Min.   :0.1306  
 1st Qu.:0.3701  
 Median :0.7021  
 Mean   :0.5773  
 3rd Qu.:0.7184  
 Max.   :0.9903  
includes transaction ID lists: FALSE 
mining info:
  data ntransactions nsequences support
 trans         83686      10059     0.1

使用1000000条记录时的详细输出（具有错误的结果）：

> s1 <- cspade(trans, parameter = list(support = 0.1,maxlen=1), control = 
list(verbose = TRUE))
parameter specification:
support : 0.1
maxsize :  10
maxlen  :   1
algorithmic control:
bfstype  : FALSE
verbose  :  TRUE
summary  : FALSE
tidLists : FALSE
preprocessing ... 3 partition(s), 19.55 MB [4.6s]
mining transactions ... 0 MB [0.6s]
reading sequences ... [0.01s]
total elapsed time: 5.19s
> summary(s1)
set of 0 sequences with
most frequent items:
integer(0)
most frequent elements:
integer(0)
element (sequence) size distribution:
< table of extent 0 >
sequence length distribution:
< table of extent 0 >
summary of quality measures:
< table of extent 0 >
includes transaction ID lists: FALSE 
mining info:
  data ntransactions nsequences support
 trans        826830      96238     0.1

我发现在调用cSPADE时可以将分区数设置为1，从而解决了问题。然而，cSPADE确实输出警告：

s1 <- cspade(trans, parameter = list(support = 0.1,maxlen=1), control = list(verbose = TRUE,numpart=1))
Warning message: In cspade(trans, parameter = list(support = 0.1, maxlen = 1), control = list(verbose = TRUE,  :  'numpart' less than recommended

我需要注意这个警告吗？设置numpart=1（强制#分区为1）有什么缺点？如果有，有没有什么方法可以让我在不控制这个参数的情况下得到正确的答案？

Answer 1

为了可能遇到同样问题的其他人的利益。我最后把包裹发了电子邮件给作者。他说这不是一个已知的问题，并建议我坚持numpart=1。