R语言实现
我们对UCI机器学习库上下载的美国众议院议员投票记录数据，进行关联分析。在R中，可以直接调用arules包中的apriori()函数训练模型。
- 导入包与数据。arulesViz包可以将关联规则进行可视化输出，“header=F”设置读入数据时，首行不作为列名。
library(arules)
library(arulesViz)
data<-read.csv("D\voting-records.csv", header=F)
- 训练模型和性能评估。在训练关联分析模型时，需要设置支持度和置信度参数，这里，我们设定支持度为30%，置信度为90%。“minlen = 2”表示选取至少包含两个项的规则，以避免得到由于某项出现过于频繁而创建的无用规则。
data_rules <- apriori(data = data, parameter = list(support = 0.3, confidence = 0.9, minlen = 2))
summary(data_rules)
性能评估结果如下：
其中rule length distribution 表示规则长度分布，如前件 后件共包含两项的规则有39条。
- 查看规则。inspect()可以查看具体规则。首先得出根据支持度排序，位于前十位的规则。通过subset()函数，我们可以找到与某一项相关的规则。
%inspect(sort(data_rules, by="support")[1:10])
%与V15=crime:n相关的规则
crime_n<-subset(data_rules, items %in% "V15=crime:n")
inspect(sort(crime_n, by="support")[1:10])
%in%表示精确匹配。最终得到结果为：
lift为提升度，表示前件存在后件发生的概率，是前件不存在但后件发生的倍数。比如第一条规则，{V15=crime:n} => {V1=democrat} 的提升度为1.6，表示{V15=crime:n}发生后 {V1=democrat}也发生，是{V15=crime:n} 不发生但{V1=democrat}发生的1.6倍。
- 结果可视化。可以看出规则的三个参数之间关系。 shading = "lift" 表示在散点图上颜色深浅的度量是lift。 jitter=2表示增加抖动值。measure="confidence"表示圆圈大小受置信度影响。
plot(data_rules, control=list(jitter=2), shading = "lift")
plot(sort(data_rules, by="support")[1:10], method="grouped")
plot(sort(crime_n, by="support")[1:10], measure="confidence", method="graph", control=list(type="items"), shading = "lift")
