在R中，我正在尝试使用apriori函数进行关联规则学习。
我有这样的数据集：
A B C D E
1 0 0 1 0
1 0 1 0 1
1 1 1 0 1
0 0 0 1 0
我对E = 1的情况感兴趣，我可以这样做：
inspect( subset( rules.sorted, subset = rhs %pin% "E=1" ))
但我也对仅LHS包含'=1'条件而不是'=0'的情况感兴趣。
所以，我不想要这样的规则：
{A=1,D=0} => {E=1}
我只想要像
这样的规则{A=1,C=1} => {E=1}
如何在LHS方面实现这一目标？我只能收集如何约束它以查找特定列中的规则，但不能收集任何具有特定值的列。
答案 0 :(得分：1)
我遇到了同样的问题。当您将数据转换为因子时（例如评论中提到的几个人转换为另一个答案），就会出现问题。当我将data.frame转换为矩阵然后转换为事务时，我只在输出中有了正规则。
答案 1 :(得分：0)
正如您已经注意到的，如果您想在右侧E=1，只需过滤您的数据。
默认情况下，关联规则挖掘应该只为您提供正面规则，即A => B。
通常，如果您想要使用否定规则，则必须在数据中添加否定符号，例如ANOT=1时A=0。
您确定不仅仅是误解输出吗？