[我正在尝试从Kaggle script中获得一些启发,其中作者使用规则在R中进行了市场篮子分析。我对该部分特别感兴趣,在该部分中,它们传递了置信度和支持值,然后进行绘图为帮助选择最佳值而生成的规则数量,而不是生成大量规则。
[我希望尝试相同的过程,但是我在R中使用fpgrowth的sparklyr / spark,并且我正在努力实现相同的输出,即每个信任度和支持值的规则计数。
[从有限的示例和文档中,我相信我会带着信心和支持价值将交易数据传递给ml_fpgrowth。然后,此函数生成一个模型,然后将其传递给ml_association_rules以生成规则。
# CONVERT TABLE TO TRANSACTION FORMAT
trans <- medical_tbl %>%
group_by(alt_claim_id) %>%
summarise(items = collect_list(proc_cd))
# SUPPORT AND CONFIDENCE VALUES
supportLevels <- c(0.1, 0.05, 0.01, 0.005)
confidenceLevels <- c(0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1)
# EMPTY LISTS
model_sup10 <- vector("list", length = 9)
model_sup5 <- vector("list", length = 9)
model_sup1 <- vector("list", length = 9)
model_sup0.5 <- vector("list", length = 9)
# FP GROWTH ALGORITHM WITH A SUPPORT LEVEL OF 10%
for (i in 1:length(confidenceLevels)) {
model_sup10[i] <- ml_fpgrowth(trans,
min_support = supportLevels[1],
min_confidence = confidenceLevels[i],
items_col = "items",
uid = random_string("fpgrowth_"))}
我尝试检查model_sup101以上模型之一的某些规则,但无法提取任何规则。从下面的代码中,我得到以下错误
rules <- ml_association_rules(model_sup10[[1]][1])
Error: $ operator is invalid for atomic vectors
任何人都可以帮助甚至解释fpgrowth是否可行,实现我为每个支持/信心配对绘制生成的规则数目的目标的最佳方法是什么?