我试图了解 PrefixSpan 模型（pyspark）的输入。我认为在输入 RDD 中，每一行都应该是一个列表。但是，当我查看源代码时，每一行实际上都是一个列表。为什么它需要一个列表而不是列表？谢谢！
def trainPrefixSpanModel(
data: JavaRDD[java.util.ArrayList[java.util.ArrayList[Any]]],
minSupport: Double,
maxPatternLength: Int,
localProjDBSize: Int ): PrefixSpanModelWrapper = {...}
你刚才问过你的问题，但也许它对某人有帮助。
在他们说的 mllib 指南中，请参阅 Jian Pei 和他的团队的 PrefixSpan 论文，这里有另一个完全可用的版本
在那里，他们解释了一个序列是由元素组成的，这些元素由项目组成：例如“一个序列 (a (abc)(ac)d(cf)) 有五个元素：a , (abc), (ac) , d (cf) 其中项目 a 和 c 分别在不同元素中出现不止一次。”（取自论文）
这就是为什么你需要一个列表列表。
请注意，元素中的项目不应该遵循任何特定的顺序（在论文中它们被假定按字母顺序排序）。因此，如果您正在处理时间序列，我认为同时到达的事件（因此没有特定的顺序）将形成一个元素的项目。