多维关联规则挖掘算法r语言能实现吗

Python06

多维关联规则挖掘算法r语言能实现吗,第1张

一下自己学习关联规则经典算法Apriori的笔记。

1、概述

Apriori算法是用一种称为逐层搜索的迭代方法，从项集长度k=1开始，选出频繁的k=1项集，根据先验性质：频繁项集的子集一定是频繁的（逆否命题：非频繁项集的超集一定是非频繁的，通俗的说就是某件事发生的概率很低，比这件事发生条件更严苛的事情发生的概率会更低），筛选k=2项集中的频繁项集，以此迭代k=3...。每迭代一次都要完整的扫描一次数据库。

2、关联规则三度：

支持度：占比

置信度：条件概率

提升度：相关性

3、R语言示例代码如下：（小众语言的辛酸：选项里没有。。）

[plain] view plain copy

library(arules)

#从rattle包中读入数据

dvdtrans <- read.csv(system.file("csv", "dvdtrans.csv",package="rattle"))

str(dvdtrans)

#将数据转化为合适的格式

data <- as(split(dvdtrans$Item,dvdtrans$ID),"transactions")

data

#用 apriori命令生成频繁项集，设其支持度为0.5，置信度为0.8

rules <- apriori(data, parameter=list(support=0.5,confidence=0.8,minlen = 2))

#用inspect命令查看提取规则

inspect(rules)

常用数据形式有data.frame格式和list格式，前者即A项集为一列B项集为另一列，后者为A和B放在同一个购物篮中。

去除冗余规则以及提取子规则代码如下：

[plain] view plain copy

redundant.rm <- function(rule,by="lift")

{

#rule：需要进行简化的规则

#by：在清除的时候根据那个变量来选择，

#可能取值为"support","lift","confidence"

a <- sort(rule,by=by)

m<- is.subset(a,a,proper=TRUE)

m[lower.tri(m, diag=TRUE)] <- NA

r <- colSums(m, na.rm=TRUE) >= 1

finall.rules <- a[!r]

return(finall.rules)

}

rules <- redundant.rm(rules)

rules.sub <- subset(rules, subset = lhs %in% "筛选项集名称" &lift >1)

在任何一个品牌的电脑上安装驱动程序的步骤都是一样的。（除苹果的MAC系统）先运行打印机驱动光盘一直到提示连接打印机把打印机连接到电脑上OK比较省事的办法，安装一个 360驱动大师 ，让它自动给你安装。