R语言关联挖掘实例（购物篮分析）

原文链接：http://tecdat.cn/?p=16297

关联挖掘通常用于通过识别经常一起购买的产品来提出产品推荐。但是，如果您不小心，则规则在某些情况下可能会产生误导性的结果。

关联挖掘通常是根据零售市场或在线电子商务商店的交易数据进行的。由于大多数交易数据很大，因此该apriori算法使更容易快速找到这些模式或规则。

那么，什么是规则？

规则是一种符号，表示经常购买哪些商品和哪些商品。它具有LHS和RHS部分，可以表示如下：

项目集A =>项目集B

这意味着，右侧的商品经常与左侧的商品一起购买。

如何衡量规则的强度？

将apriori()产生最相关集从给定的交易数据的规则。它还显示了这些规则的支持，信心和提升度。这三个度量可用于确定规则的相对强度。那么这些术语是什么意思呢？

让我们考虑规则A => B，以便计算这些指标。

提升是A和B的共存超过独立的A和B并存的预期概率的因素。因此，提升越高，A和B一起发生的机会就越高。

让我们看看如何使用R获取规则，置信度，提升度等。

例

交易数据

与数据框不同，使用head(Groceries)不会在数据中显示交易项目。要查看交易，请改用inspect()函数。

由于关联挖掘处理交易，因此必须将数据转换为class transactions。这是必要的步骤，因为该apriori()函数transactions仅接受类的交易数据。

代码语言：javascript复制

library(arules)class(Groceries)#> [1] "transactions"#> attr(,"package")#> [1] "arules"inspect(head(Groceries, 3))#> items                     #> 1 {citrus fruit,            #>    semi-finished bread,     #>    margarine,               #>    ready soups}             #> 2 {tropical fruit,          #>    yogurt,                  #> coffee}                  #> 3 {whole milk}

如果您必须从文件中读取数据作为交易数据，请使用read.transactions()。

代码语言：javascript复制

tdata <- read.transactions("transactions_data.txt", sep="t")

如果您已经将交易存储为数据框，则可以将其转换为类transactions，如下所示：

代码语言：javascript复制

tData <- as (myDataFrame, "transactions") # convert to 'transactions' class

这里有一些其他有用的实用程序函数：

代码语言：javascript复制

size(head(Groceries)) # number of items in each observation#> [1] 4 3 1 4 4 5LIST(head(Groceries, 3)) # convert 'transactions' to a list, note the LIST in CAPS#> [[1]]#> [1] "citrus fruit"        "semi-finished bread" "margarine"          #> [4] "ready soups"        #> #> [[2]]#> [1] "tropical fruit" "yogurt"         "coffee"        #> #> [[3]]#> [1] "whole milk"

如何查看最常出现的项目？

在eclat()交易对象中获取并给出根据您提供的支持数据的最常见物品supp。该maxlen定义频繁项中的每个项目集项目的最大数量。

代码语言：javascript复制

frequentItems <- eclat (Groceries, parameter = list(supp = 0.07, maxlen = 15)) # calculates support for frequent itemsinspect(frequentItems)#>    items                         support   #> 1  {other vegetables,whole milk} 0.07483477#> 2  {whole milk}                  0.25551601#> 3  {other vegetables}            0.19349263#> 4  {rolls/buns}                  0.18393493#> 5  {yogurt}                      0.13950178#> 6  {soda}                        0.17437722itemFrequencyPlot(Groceries, topN=10, type="absolute", main="Item Frequency") # plot frequent items

如何获得推荐规则？

代码语言：javascript复制

inspect(head(rules_conf)) # 显示所有规则的支持度，提升度和置信度#>      lhs                                           rhs                support     confidence lift    #> 113  {rice,sugar}                               => {whole milk}       0.001220132 1          3.913649#> 258  {canned fish,hygiene articles}             => {whole milk}       0.001118454 1          3.913649#> 1487 {root vegetables,butter,rice}              => {whole milk}       0.001016777 1          3.913649#> 1646 {root vegetables,whipped/sour cream,flour} => {whole milk}       0.001728521 1          3.913649#> 1670 {butter,soft cheese,domestic eggs}         => {whole milk}       0.001016777 1          3.913649#> 1699 {citrus fruit,root vegetables,soft cheese} => {other vegetables} 0.001016777 1          5.168156rules_lift <- sort (rules, by="lift", decreasing=TRUE) # 'high-lift' rules.inspect(head(rules_lift)) ##>      lhs                                                  rhs              support  confidence lift    #> 53   {Instant food products,soda}                      => {hamburger meat} 0.001220 0.6315789  18.995#> 37   {soda,popcorn}                                    => {salty snack}    0.001220 0.6315789  16.697#> 444  {flour,baking powder}                             => {sugar}          0.001016 0.5555556  16.408#> 327  {ham,processed cheese}                            => {white bread}    0.001931 0.6333333  15.045#> 55   {whole milk,Instant food products}                => {hamburger meat} 0.001525 0.5000000  15.038#> 4807 {other vegetables,curd,yogurt,whipped/sour cream} => {cream cheese }  0.001016 0.5882353  14.834

置信度为1（见rules_conf上文）的规则意味着，每当购买LHS物品时，也100％的时间购买了RHS物品。

提升为18（见rules_lift上文）的规则意味着，与假设无关的购买相比，LHS和RHS中的物品一起购买的可能性要高18倍。

如何控制输出中的规则数量？

调整maxlen，supp并conf在所述参数apriori函数来控制生成的规则数。您将不得不根据数据的冗余性对此进行调整。

代码语言：javascript复制

parameter = list (supp = 0.001, conf = 0.5, maxlen=3) # maxlen = 3 限制规则中最大物品数量为 3

要获得“强”规则，请增加“ conf”参数的值。
要获得“更长”的规则，请增加“ maxlen”。

如何删除冗余规则？

有时希望删除作为较大规则子集的规则。为此，请使用以下代码过滤冗余规则。

代码语言：javascript复制

rules <- rules[-subsetRules] #删除规则子集

如何查找与给定项目相关的规则？

这可以通过修改函数中的appearance参数来实现apriori()。例如，

找出哪些因素影响了产品X的购买

在购买“全脂牛奶”之前找出顾客购买了什么。这将帮助您了解导致购买“全脂牛奶”的频繁模式。

代码语言：javascript复制

 sort (  by="confidence", decreasing=TRUE) # 按置信度排列#>      lhs                                           rhs          support     confidence lift    #> 196  {rice,sugar}                               => {whole milk} 0.001220132 1          3.913649#> 323  {canned fish,hygiene articles}             => {whole milk} 0.001118454 1          3.913649#> 1643 {root vegetables,butter,rice}              => {whole milk} 0.001016777 1          3.913649#> 1705 {root vegetables,whipped/sour cream,flour} => {whole milk} 0.001728521 1          3.913649#> 1716 {butter,soft cheese,domestic eggs}         => {whole milk} 0.001016777 1          3.913649#> 1985 {pip fruit,butter,hygiene articles}        => {whole milk} 0.001016777 1          3.913649

找出在产品X之后/与产品X一起购买的产品

这是找出购买“全脂牛奶”的顾客的案例。在等式中，“全脂牛奶”以LHS（左侧）表示。

代码语言：javascript复制

 list(default="rhs",lhs="whole milk"  #  #>   lhs             rhs                support    confidence lift     #> 6 {whole milk} => {other vegetables} 0.07483477 0.2928770  1.5136341#> 5 {whole milk} => {rolls/buns}       0.05663447 0.2216474  1.2050318#> 4 {whole milk} => {yogurt}           0.05602440 0.2192598  1.5717351#> 2 {whole milk} => {root vegetables}  0.04890696 0.1914047  1.7560310#> 1 {whole milk} => {tropical fruit}   0.04229792 0.1655392  1.5775950#> 3 {whole milk} => {soda}             0.04006101 0.1567847  0.8991124

这样做的一个缺点是，无论支持，置信度或最小参数如何，您在RHS上只能得到一项。