Question

我想以篮子格式创建一个交易对象，我可以随时调用它进行分析。数据包含逗号分隔的项目，包含1001个事务。前10个交易看起来像这样：

hering,corned_b,olives,ham,turkey,bourbon,ice_crea
baguette,soda,hering,cracker,heineken,olives,corned_b
avocado,cracker,artichok,heineken,ham,turkey,sardines
olives,bourbon,coke,turkey,ice_crea,ham,peppers
hering,corned_b,apples,olives,steak,avocado,turkey
sardines,heineken,chicken,coke,ice_crea,peppers,ham
olives,bourbon,coke,turkey,ice_crea,heineken,apples
corned_b,peppers,bourbon,cracker,chicken,ice_crea,baguette
soda,olives,bourbon,cracker,heineken,peppers,baguette
corned_b,peppers,bourbon,cracker,chicken,bordeaux,hering
...

我发现数据中存在重复的事务并将其删除，但每次我尝试读取事务时，都会得到：

asMethod（object）出错：不能用包含重复项目的交易强制列表

这是我的代码：

data <- read.csv("AssociationsItemList.txt",header=F)
data <-  data[!duplicated(data),]
pop <- NULL
for(i in 1:length(data)){
pop <- paste(pop, data[i],sep="\n")
}
write(pop, file = "Trans", sep = ",")
transdata <- read.transactions("Trans", format = "basket", sep=",")

我确信我错过了一些重要的东西。请提供帮助。

Answer 1

问题不在于重复的交易（同一行出现两次）但重复的项目（同一项目出现两次，在同一笔交易中 - 例如，第4行的“橄榄”。

read.transactions有一个rm.duplicates参数来删除这些重复项。

read.transactions("Trans", format = "basket", sep=",", rm.duplicates=TRUE)

Answer 2

Vincent Zoonekynd是对的，问题是由交易中的重复项引起的。在这里，我可以解释为什么arules需要没有重复项目的交易。

transactions的数据在内部存储为ngCMatrix对象。相关源代码：

setClass("itemMatrix",
  representation(
    data        = "ngCMatrix", 
...
setClass("transactions",
  contains = "itemMatrix",
...

ngCMatrix是在Matrix包中定义的稀疏矩阵。这是官方文件中的描述：

nsparseMatrix类是稀疏“模式”矩阵的虚拟类，即概念上具有TRUE / FALSE条目的二进制矩阵。仅存储TRUE元素的位置

二进制指标似乎ngCMatirx存储了元素的状态。这意味着transactions中的arules对象只能为交易对象存储存在/不存在，并且无法记录数量。所以......

Answer 3

我只是使用'unique'功能来删除重复项。我的数据有点不同，因为我有一个数据框（数据对于CSV而言太大）而且我有两列：product_id和transaction_id。我知道这不是您的具体问题，但我必须这样做才能创建交易数据集并应用关联规则。

data # > 1 Million Transactions 
data <- unique(data[ , 1:2 ] )
trans <- as(split(data[,"product_id"], data[,"trans_id"]),"transactions")
rules <- apriori(trans, parameter = list(supp = 0.001, conf = 0.2))

使用R中的arules包与重复事务进行关联分析

3 个答案: