如何优化关联分析以使规则有意义？

Question

我有一个客户数据集，我想定义一个频繁的标准，画出一个理想客户的图片。 数据集包含以下字段：

• 电子邮件
• 全名
• 工作（职称）
• 公司网站域名
• 公司描述（字符串数据）
• 公司成立（年）
• 公司员工（编号）
• 公司城市
• 公司州
• 公司国家
• linkedin群组跟随
• 创建
• 更新

除公司员工，公司成立，创建和更新外，没有数字数据。数据集还有其他有用的数据，如年龄（间隔）和性别，但它有太多的缺失值，因此我将其删除以用于分析目的。

我在R：

中运行了代码

data1 <- read.csv("final_account_list.csv")

library(arules)

str(data1)

data1$Company.Founded <- factor(data1$Company.Founded)

rules1 <- apriori(data1)

rules1

inspect(rules1)

options(digits=2)
inspect(rules1[1:5])

我得到了59条规则的清单，但它们没有多大意义。例如，
{Company.Employees = 500} =＆gt; {Company.Country USA}提升1.176，置信度= 0.083，支持率= 0.109

大多数客户拥有500名员工并且在美国的事实并没有带来太多价值。如何使我的分析更有意义？
例如，如何找到标题，地理位置（城市，州）和linkedin群组的关联？

Answer 1

最重要的部分是根据右侧（rhs）和/或左侧（rhs来定义“有意义的规则”对您意味着什么）。

然后，如apriori包的文档中所述，您可以调查您的规则。

为您的例子

  

如何找到... linkedin群组的关联

你可以使用

# find rules with "linkedin groups followed" in right-hand-side
rulesLinkedIn = subset(rules1, subset = rhs %in% "linkedin groups followed"))
# inspect rules with highest confidence 
inspect(head(sort(rulesLinkedIn, by="confidence")), n=3)