8.6 R语言-关联规则

柔情只为你懂 2022-05-20 02:23 219阅读 0赞

理解关联规则：

市场购物篮分析的结果是一组指定商品之间关系模式的关联规则。

一个典型的规则可以表述为： \{花生酱，果冻\} –> \{面包\}

这个关联规则用通俗易懂的语言来表达就是：如果购买了花生 酱和果冻，那么也很有可能会购买面包。

一个项集或者规则度量法的 支持度是指其在数据中 出现的频率

置信度是指该规则的 预测能力或者 准确度的度量

![70][]

![70 1][]

鲜花的支持度support X=4/5

慰问卡的支持度 Y=3/5

鲜花X-->Y慰问卡的准确度=(3/5)/(4/5)=3/4 意思是买鲜花的人不一定买慰问卡，反过来计算买慰问卡的人一定买鲜花

--------------------

理解Apriori算法：

Apriori原则指的是一个频繁项集的所有子集也必须是频繁的， 如果\{A,B\}是频繁的，那么\{A\}和\{B\}都必须是频繁的。

根据定义，支持度表示一个项集出现在数据中的频率。因此， 如果知道\{A\}不满足所期望的支持度阈值，那么就没有考虑 \{A,B\}或者任何包含\{A\}的项集，这些项集绝对不可能是频繁的。

Apriori算法利用这个逻辑在实际评估他们之前排除潜在的关 联规则

分为两个阶段：

识别所有满足最小支持度阈值的项集

根据满足最小支持度阈值的这些项集来创建规则。

例如，迭代1需要评估一组1项的项集，迭代2评估2项集，以 此类推。在迭代中没有产生新的项集，算法将停止。之后，算 法会根据产生的频繁项集，根据所有可能的子集产生关联规则。 例如，\{A，B\}将产生候选规则\{A\}->\{B\}和\{B\}->\{A\}。这些规则 将根据最小置信度阈值评估，任何不满足所期望的置信度的规 则将被排除。

计算准确度groceries.R：需要下载arules包

groceries <- read.transactions("groceries.csv", sep=",")\#读取数据文件

summary(groceries)

inspect(groceries\[1:5\])

itemFrequency(groceries\[,1:3\])

itemFrequencyPlot(groceries, support=0.1)

itemFrequencyPlot(groceries, topN=20)

image(groceries\[1:5\])

image(sample(groceries, 100))

\#Apriori算法

apriori (groceries)

grocery\_rules <-  apriori (groceries, parameter = list(support=0.006, confidence=0.25, minlen=2))

grocery\_rules

summary(grocery\_rules)

inspect(grocery\_rules\[1:3\])

inspect(sort(grocery\_rules, by="lift")\[1:5\])

berry\_rules <- subset(grocery\_rules, items %in% "berries")

inspect(berry\_rules)

write(grocery\_rules, file="groceryrules.csv", sep=",", quote=TRUE, row.names = FALSE)\#结果输出到groceryrules.csv

groceryrules\_df <- as(grocery\_rules, "data.frame")

str(groceryrules\_df)

[70]: /images/20220520/3da41eedf529473290776b72f1dc097d.png
[70 1]: /images/20220520/2bd4ccbffac844399e1e8cad92e95afd.png

发表评论取消回复

表情：

评论列表（有 0 条评论，219人围观）

还没有评论，来说两句吧...

相关阅读

相关数据挖掘（4）关联规则挖掘

一、关联规则挖掘的基本概念 1. 关联规则挖掘(Association rule mining) 1. 对象：交易型数据库 2. 通过量化的数字来...

绝地灬酷狼/ 2024年04月17日 13:33/ 0 赞/ 45 阅读

相关 IDEA 设置文件关联规则

idea可以根据文件名称去匹配对应的规则,从而标识一个文件的类型,并给予语法提示等,这些规则是可以自定义的,如下 ![watermark_type_ZmFuZ3poZW5na

本是古典何须时尚/ 2023年06月27日 06:26/ 0 赞/ 58 阅读

相关 php关联规则,关联规则挖掘

关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-ha

墨蓝/ 2023年01月13日 06:04/ 0 赞/ 135 阅读

相关 r语言 append_R语言实战菜鸡笔记(一):R语言介绍

《R语言实战》第一章 R语言介绍 RStudio快捷键新文档Ctrl+Shift+N 保存当前文档 Ctrl+S 运行当前行 Ctrl+Enter 运行当前文档 C

本是古典何须时尚/ 2023年01月12日 10:20/ 0 赞/ 144 阅读

相关关联规则挖掘

1.Apriori关联规则挖掘 \----->Apriori算法希望的是完全的标称型数据，如果有数值型属性，必须先进行离散化。接下来我们导入数据集，切换至Associat

谁践踏了优雅/ 2022年09月29日 04:19/ 0 赞/ 238 阅读

相关 R语言 | 关联规则

原文地址：http://blog.csdn.net/gjwang1983/article/details/45015203 1.概念 1.1 引论关联

左手的ㄟ右手/ 2022年08月23日 03:59/ 0 赞/ 266 阅读

相关 8.6 R语言-关联规则

理解关联规则：市场购物篮分析的结果是一组指定商品之间关系模式的关联规则。一个典型的规则可以表述为： \{花生酱，果冻\} –> \{面包\} 这个关联规则用通俗易懂的

柔情只为你懂/ 2022年05月20日 02:23/ 0 赞/ 220 阅读

相关关联规则挖掘算法

关联规则挖掘是一种基于规则的机器学习算法，该算法可以在大数据库中发现感兴趣的关系。它的目的是利用一些度量指标来分辨数据库中存在的强规则。也即是说关联规则挖掘是用于知识发现，而非

左手的ㄟ右手/ 2022年05月13日 21:49/ 0 赞/ 233 阅读

相关中医证型关联规则挖掘

基于FPGrowth挖掘算法的乳腺癌中医症型关联规则挖掘 2018年01月14日 23:03:58 俞驰的博客阅读数 750 挖掘的总体思路：首先癌症有不同的发展

桃扇骨/ 2022年01月15日 12:13/ 0 赞/ 313 阅读

相关 Spark MLlib FPGrowth关联规则算法

一.简介　　FPGrowth算法是关联分析算法，它采取如下分治策略：将提供频繁项集的数据库压缩到一棵频繁模式树（FP-tree），但仍保留项集关联信息。在算法中使用了一

怼烎@/ 2021年12月23日 18:55/ 0 赞/ 247 阅读