运行此示例的代码时,我在最后一行收到以下错误:
矩阵错误(平均值(范围),ncol = ncol(x),nrow = nrow(x),dimnames = dimnames(x)):非数字矩阵范围
但是,我记得几个月前看过其他案例,其中库arulesViz使用了whit分类数据类型。
landing.data=read.csv2("http://archive.ics.uci.edu/ml/machine-learning-databases/shuttle-landing-control/shuttle-landing-control.data",
sep=",", header=F, dec=".")
landing.data=as.data.frame(sapply(landing.data,gsub,pattern="\\*",replacement=10))
library(arules)
landing.system <- as(landing.data, "transactions")
rules <- apriori(landing.system, parameter=list(support=0.01, confidence=0.6))
rulesLandingManual <- subset(rules, subset=rhs %in% "V1=1" & lift>1.2)
library(arulesViz)
plot(head(sort(rulesLandingManual, by="confidence"), n=3),
method="graph",control=list(type="items"))
答案 0 :(得分:2)
运行代码后执行traceback()
即可:
6: matrix(mean(range), ncol = ncol(x), nrow = nrow(x), dimnames = dimnames(x))
5: map(m, c(5, 20))
4: graph_arules(x, measure = measure, shading = shading, control,
...)
3: plot.rules(head(sort(rulesLandingManual, by = "confidence"),
n = 3), method = "graph", control = list(type = "items"))
2: plot(head(sort(rulesLandingManual, by = "confidence"), n = 3),
method = "graph", control = list(type = "items"))
1: plot(head(sort(rulesLandingManual, by = "confidence"), n = 3),
method = "graph", control = list(type = "items"))
所以,基本上错误来自6:
。错误意味着任何参数matrix(.)
都不是数字。为了说明这一点:
> matrix(1:4, ncol=2)
# [,1] [,2]
# [1,] 1 3
# [2,] 2 4
> matrix(1:4, ncol="x")
# Error in matrix(1:4, ncol = "x") : non-numeric matrix extent
你看错了吗?我不认为你可以在这里做什么,因为包将graph
,map
和matrix
扩展到类rules
的对象。所以,这可能与开发者方面有很大关系。如果确实如此,可能值得写/联系开发人员。
答案 1 :(得分:0)
我遇到了一些与挖掘规则有关的数据完全相同的问题,经过一些测试后我发现这个错误来自于当有更多规则满足时使用sort()和head()命令质量措施的条件超过要求。
例如,在您的代码中,您要求在rulesLandingManual中绘制3个最高置信度规则,但如果您检查(rulesLandingManual),则会发现216个规则具有置信度1(最大置信度),因此,当您要求时顶部n的子集(n小于217),在这个新规则对象中生成的矩阵变得混乱,至少对于绘图函数中的图形方法而言。
为了测试我在解释的内容,在你的代码中,将n更改为217到224之间的任何值(224是rulesLandingManual中的规则数),它将绘制图形,而n = 216或更小将导致提到的错误。
我不知道这是打算以这种方式工作还是它是一个错误,我现在试图解决这个问题,所以解释会非常方便。
答案 2 :(得分:-1)
range
是一个功能。您的意思是mean(range(x)), ...
吗?
平均值。嘿。