如何仅针对arules中的特定列获取LHS和RHS的项目？

问题描述 投票：5回答：3

在apriori函数中，我希望结果只包含LHS HouseOwnerFlag=0和HouseOwnerFlag=1中的这两个变量。 RHS应仅包含Product列中的属性。例如：

#   lhs                   rhs                                          support confidence     lift
# 1 {HouseOwnerFlag=0}    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {HouseOwnerFlag=1}    => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {HouseOwnerFlag=0}    => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1}    => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

在这个问题中解决了部分答案：R arules, mine only rules from specific column

所以现在我使用以下内容： rules <- apriori(sales, parameter=list(support =0.01, confidence =0.8, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1")))

然后我从其他SO问题中使用它来确保只有Product列在RHS上： inspect( subset( rules, subset = rhs %pin% "Product=" ) )

结果是这样的：

#   lhs                                                                  rhs                                          support confidence     lift
# 1 {ProductKey=153, IncomeGroup=Moderate, BrandName=Adventure Works }    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {ProductKey=176, MaritalStatus=M, ProductCategoryName=TV and Video }  => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {BrandName=Southridge Video, NumberChildrenAtHome=0 }                 => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1, BrandName=Southridge Video, ProductKey=170 }       => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

显然LHS能够包含所有可能的列，而不仅仅是我指定的HouseOwnerFlag。从其他stackoverflow问题，我看到我可以将default="rhs"放在apriori函数中，如下所示： rules <- apriori(sales, parameter=list(support =0.001, confidence =0.5, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), default="rhs"))

然后在检查时（没有子集部分，只有inspect(rules），规则（7）比以前少得多，但它确实只包含LHS中的HouseOwnerFlag：

#   lhs                   rhs                           support     confidence lift
# 1 {HouseOwnerFlag=0}    => {MaritalStatus=S}          0.2500000  0.2500000   1.000000
# 2 {HouseOwnerFlag=1}    => {Gender=M}                 0.2500000  0.2500000   1.000000
# 3 {HouseOwnerFlag=0}    => {NumberChildrenAtHome=0}   0.1666667  0.3333333   1.333333
# 4 {HouseOwnerFlag=1}    => {Gender=M}   0.1666667     0.3333333  1.333333

然而，在RHS中，RHS中的产品列没有任何内容。所以inspect与subset没有任何用处，因为它会返回null。我用不同的支持号码对它进行了多次测试，以便进行实验，看看产品是否会出现，但7个相同的规则保持不变。

所以我的问题是，如何指定LHS（HouseOwnerFlag）和RHS（产品）？我究竟做错了什么？

编辑：您可以通过从https://www.dropbox.com/s/tax5xalac5xgxtf/testdf.txt?dl=0下载此testdataset来重现此问题请注意，我只从一个巨大的数据集中获取前20行，因此这里的输出将不会与上面显示的示例中的产品名称相同。但问题仍然存在。我希望能够在LHS上获得HouseOwnerFlag=0and /或HouseOwnerFlag=1，并在RHS上获得Product列。

r apriori arules
3个回答
11
投票

似乎不能同时约束lhs和rhs（在使用你的数据之前我也没有）。但你可以使用子集。编辑：我错了，你也可以立刻约束lhs和rhs，见下面的另一个解决方案。我保留解决方案1，因为在某些情况下，计算更大的集合然后由左侧分割可能是有用的。

解决方案1：

rules_sales <- apriori(sales, 
                   parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                   appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                                     default="rhs"))

rules_subset <- subset(rules_sales, (rhs %in% paste0("Product=", unique(sales$Product))))
inspect(rules_subset)

得到：

  lhs                   rhs                                                support confidence lift
1 {HouseOwnerFlag=0} => {Product=SV DVD Movies E100 Yellow}                   0.05        0.5   10
2 {HouseOwnerFlag=0} => {Product=Fabrikam Refrigerator 4.6CuFt E2800 Grey}    0.05        0.5    5
3 {HouseOwnerFlag=1} => {Product=Contoso SLR Camera M144 Gold}                0.10        0.5    5

但你应该小心你的低支持：

Warning in apriori(sales, parameter = list(support = 0.001, confidence = 0.5,  :
  You chose a very low absolute support count of 0. You might run out of memory! Increase minimum support.

解决方案2：

我被参数默认的定义所欺骗。立即使用lhs和rhs告诉分配给其中一个的每个项目，它只能用于lhs / rhs。参数“default”自动设置为“both”，并且lhs / rhs中未使用的所有其他项都可以用于两者（在R包中实现的appearence参数的说明：http://www.inside-r.org/node/86290，我意识到它必须是可能的阅读原始C实现的手册：http://www.borgelt.net/doc/apriori/apriori.html#appearin）。您必须设置default="none"然后您可以约束lhs和rhs而不使用以后的子集。

rules_sales <- apriori(sales, 
                       parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                       appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                       rhs=paste0("Product=", unique(sales$Product)), default="none"))
2
投票

我参加派对的时间已经很晚了......但是因为我现在正在玩这个包，所以让我包括我的想法以防万一。

输出中包含的规则是符合支持和置信度参数的规则。因此，如果您没有任何具有预期格式的规则，请尝试放松这些限制：降低支持度，降低信心。 lhs，据我所知，只能包含一个术语，因此您可以将此部分限制为您想要显示的术语（产品），以加快规则生成。我没有尝试过您的特定数据集，但我认为这是一般建议，应该适用于所有情况。

0
投票

请尝试以下解决方案：

rules_subset <- subset(rules, (lhs %oin% c("HouseOwnerFlag=0", "HouseOwnerFlag=1")  & rhs %pin% c("Product=") ))
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.