Question

使用具有唯一订单号但重复订单组合的arules包进行R篮分析

刚刚学习R.我正在尝试使用arules包进行篮子分析（但我完全接受任何其他包装建议！）来比较所购买的6种不同商品类型的所有可能组合。

我的原始数据集如下所示：

OrderNo, ItemType, ItemCount  
111, Health, 1  
111, Leisure, 2  
111, Sports, 1  
222, Health, 3      
333, Food, 7  
333, Clothing, 1  
444, Clothing, 2  
444, Health, 1  
444, Accessories, 2

。。。

该列表继续进行并且有大约3,000个观察结果。

我将数据折叠为一个矩阵，每个唯一的订单包含一行，其中包含特定ItemType的计数：

 OrderNo, Accessories, Clothing, Food, Health, Leisure, Sports  
 111, 0, 0, 0, 1, 2, 1  
 222, 0, 0, 0, 3, 0, 0  
 333, 0, 1, 7, 0 , 0, 0  
 444, 2, 2, 0, 1, 0, 0  
 . . .

每当我尝试使用以下命令读取事务时（以及一百万次尝试的变体）：

tr <- read.transactions("dataset.csv", rm.duplicates=FALSE, format="basket", sep=",")

我收到错误消息： asMethod（object）中的错误：无法使用重复项的事务强制列表。

我假设这是因为我有3000次观察，并且不可避免地某些组合会出现不止一次（即，不止一个人只购买一件衣服而没有别的：OrderNo，0,1， 0,0,0,0）。我知道我可以根据独特组合的数量来折叠数据集，但是我担心如果我这样做，就没有权重来显示最常见的组合。

我认为使用format =“basket”会考虑包含相同项目组合的不同订单，但显然情况并非如此。我迷路了。我读过的所有文档都暗示这是可能的，但我找不到任何关于如何解决问题的例子或建议。

任何建议都会非常感激！我的头在旋转。

额外信息：对于我的最终结果，我希望获得购买组合的前五大最重要组合。我不知道这是否有帮助。

Answer 1

好的，经过几个小时的搜索和阅读我能找到的所有PDF文件后，我终于在DATA MINING Desktop Survival Guide by Graham Williams:

中找到了答案（以及最先进的apriori / basket分析演练！）

read.transactions函数还可以从具有事务ID和每行单个项目的文件中读取数据（使用format =“single”选项）。

因此导入后无需进行所有转换。我应该直接从原始csv文件导入，指定“单一”格式选项而不是“篮子”。我还必须确保文件包含无列名，并且项目类型的唯一表示与订单号配对（例如，如果某人从“Grocery”类别中订购了两个项目，这需要在一行中表示）。 cols=c(2,1)选项表示第1列包含订单号，第2列是数据的其余部分（ItemType）。

tr <- read.transactions(file='dataset.csv', format='single', sep=',', cols=c(2,1))

Answer 2

如果您使用.CSV文件，则必须删除重复项，请运行数据 - ＆gt;在处理此文件之前删除Excel中的重复项。如果找到重复，则arules抛出错误，这是因为您收到错误。

另一种方法是在itemset上使用duplicated（）并使用unique（）删除副本。

或者在这篇SO帖子中找到一种更简单的方法

Association analysis with duplicate transactions using arules package in R

R篮子分析使用具有唯一订单号但重复订单组合的arules包

2 个答案: