Les fonctions d'extraction de motifs fréquents analysent des données multidimensionnelles pour extraire des combinaisons d'attributs présentant des différences significatives et quantifier leur impact. Configurez les paramètres pour optimiser les résultats.
get_patterns
get_patterns est un opérateur d'extraction d'ensembles d'éléments fréquents. Il identifie les éléments fréquents, fusionne et déduplique les résultats, puis extrait des modèles (ensembles d'éléments fréquents) à partir de données tabulaires.
Syntaxe
get_patterns($TABLE, $HEADER, $PARAM)Paramètres
|
Paramètre |
Type de données |
Obligatoire |
Description |
|
$TABLE |
row<array<T>, array<E>, ..., array<F>> |
Oui |
Table d'entrée pour l'extraction d'éléments fréquents. Chaque colonne représente une dimension à analyser. |
|
$HEADER |
array<varchar> |
Oui |
Noms des colonnes, correspondant aux colonnes de $TABLE. Le nombre de noms d'en-tête doit correspondre au nombre de colonnes. |
|
$PARAM |
varchar |
Non |
Pour plus d'informations, consultez la section Description du paramètre PARAM. |
Description du paramètre PARAM
|
Paramètre |
Description |
Type de paramètre |
Obligatoire |
Valeur par défaut |
Plage de valeurs |
|
minimum_support_fraction |
Seuil de support minimal pour les motifs de sortie dans le groupe de test. Par exemple, un motif apparaissant avec une fréquence de 0,1 possède un support de 0,1. Ajustez cette valeur pour contrôler le nombre de motifs renvoyés. |
double |
Non |
0,05 |
(0, 1) |
Exemples
-
Analyse de requête :
Cette fonctionnalité est en aperçu public. Ajoutez manuellement l'instruction
set session enable_remote_functions=true. Cette exigence sera supprimée dans une version future.(*)| set session enable_remote_functions=true ; with t0 as (select JSON_EXTRACT_SCALAR(entity, '$.platform') AS platform, JSON_EXTRACT_SCALAR(entity, '$.region') AS region, cast(value as double) as value, if((value > 100), 'true', 'false') as anomaly_label from log), t1 as ( select array_agg(platform) as platform, array_agg(region) as region, array_agg(anomaly_label) as anomaly_label, array_agg(value) as value from t0), t2 as (select row(platform, region) as table_row from t1), t3 as (select get_patterns(table_row, ARRAY['platform', 'region']) as ret from t2) select * from t3 -
Sorties :
[["platform=eBay","platform=edX","platform=Amazon","platform=Skillshare","platform=Shopify","platform=Khan Academy","platform=Coursera","platform=Udemy","platform=Alibaba","platform=Taobao","platform=Snapchat","platform=Amazon Prime","platform=YouTube","platform=Hulu","platform=Peloton","platform=Twitter","platform=Fitbit","platform=Nike Training","platform=LinkedIn","platform=Instagram","platform=Disney+","platform=Strava","platform=MyFitnessPal","platform=Facebook","platform=Netflix","platform=Console","platform=Samsung SmartThings","platform=Apple HomeKit","platform=Mobile","platform=PC","platform=Google Home","platform=VR"],[156960,149760,148320,148320,146880,145440,139680,136800,133920,133920,96480,95040,92160,90720,90720,89280,89280,87840,84960,83520,83520,82080,82080,77760,70560,46080,41760,41760,34560,33120,31680,30240],null,null]
Description de la valeur de retour
|
Paramètre |
Type |
Description |
Exemple |
|
$RET.patterns |
array<varchar> |
Ensembles d'éléments fréquents extraits sous forme de modèles de table. Chaque varchar est une expression avec des conditions connectées par AND, telle que |
|
|
$RET.test_supports |
array<bigint> |
Nombre d'occurrences de chaque modèle. |
|
|
$RET.labels |
array<bigint> |
Réservé pour la classification automatique future des données. Renvoie actuellement toujours |
|
|
$RET.error_msg |
array<varchar>/null |
Message d'erreur. Renvoie |
|