如何仅针对arules中的特定列获取LHS和RHS的项目?

时间:2015-01-13 15:54:25

标签: r apriori arules

在apriori函数中,我希望结果只包含LHS HouseOwnerFlag=0HouseOwnerFlag=1中的这两个变量。 RHS应仅包含Product列中的属性。例如:

#   lhs                   rhs                                          support confidence     lift
# 1 {HouseOwnerFlag=0}    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {HouseOwnerFlag=1}    => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {HouseOwnerFlag=0}    => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1}    => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

在这个问题中解决了部分答案: R arules, mine only rules from specific column

所以现在我使用以下内容:
rules <- apriori(sales, parameter=list(support =0.01, confidence =0.8, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1")))

然后我从其他SO问题中使用它来确保只有Product列在RHS上:
inspect( subset( rules, subset = rhs %pin% "Product=" ) )

结果如下:

#   lhs                                                                  rhs                                          support confidence     lift
# 1 {ProductKey=153, IncomeGroup=Moderate, BrandName=Adventure Works }    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {ProductKey=176, MaritalStatus=M, ProductCategoryName=TV and Video }  => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {BrandName=Southridge Video, NumberChildrenAtHome=0 }                 => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1, BrandName=Southridge Video, ProductKey=170 }       => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

显然,LHS能够包含所有可能的列,而不仅仅是我指定的HouseOwnerFlag。从其他stackoverflow问题中,我看到我可以将default="rhs"置于先验函数中,如下所示:
rules <- apriori(sales, parameter=list(support =0.001, confidence =0.5, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), default="rhs"))

然后在检查时(没有子集部分,只有inspect(rules),规则(7)比以前少得多,但它确实只包含LHS中的HouseOwnerFlag

#   lhs                   rhs                           support     confidence lift
# 1 {HouseOwnerFlag=0}    => {MaritalStatus=S}          0.2500000  0.2500000   1.000000
# 2 {HouseOwnerFlag=1}    => {Gender=M}                 0.2500000  0.2500000   1.000000
# 3 {HouseOwnerFlag=0}    => {NumberChildrenAtHome=0}   0.1666667  0.3333333   1.333333
# 4 {HouseOwnerFlag=1}    => {Gender=M}   0.1666667     0.3333333  1.333333

然而,在RHS中,RHS中的产品列中没有任何内容。因此inspectsubset无关,因此它将返回null。我用不同的支持号码对它进行了多次测试,以便进行实验,看看产品是否会出现,但7个相同的规则保持不变。

所以我的问题是,如何指定LHS(HouseOwnerFlag)和RHS(产品)?我做错了什么?

编辑:您可以通过从https://www.dropbox.com/s/tax5xalac5xgxtf/testdf.txt?dl=0下载此testdataset来重现此问题 请注意,我只从一个巨大的数据集中获取前20行,因此这里的输出不会像上面显示的示例那样具有相同的产品名称。但问题仍然存在。我希望LHS上的HouseOwnerFlag=0和/或HouseOwnerFlag=1以及RHS上的Product列只能获得{{1}}和/或{{1}}。

2 个答案:

答案 0 :(得分:11)

似乎不能同时约束lhs和rhs(在使用你的数据之前我也没有)。但你可以使用子集。 编辑:我错了,你也可以同时约束lhs和rhs,请参阅下面的另一个解决方案。我保留解决方案1,因为在某些情况下,计算更大的集合然后拆分可能是有用的左手边。

解决方案1:

rules_sales <- apriori(sales, 
                   parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                   appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                                     default="rhs"))

rules_subset <- subset(rules_sales, (rhs %in% paste0("Product=", unique(sales$Product))))
inspect(rules_subset)

给出:

  lhs                   rhs                                                support confidence lift
1 {HouseOwnerFlag=0} => {Product=SV DVD Movies E100 Yellow}                   0.05        0.5   10
2 {HouseOwnerFlag=0} => {Product=Fabrikam Refrigerator 4.6CuFt E2800 Grey}    0.05        0.5    5
3 {HouseOwnerFlag=1} => {Product=Contoso SLR Camera M144 Gold}                0.10        0.5    5

但你应该小心你的低支持:

Warning in apriori(sales, parameter = list(support = 0.001, confidence = 0.5,  :
  You chose a very low absolute support count of 0. You might run out of memory! Increase minimum support.

解决方案2:

我被参数默认的定义所欺骗。立即使用lhs和rhs告诉分配给其中一个的每个项目,它只能用于lhs / rhs。参数“default”自动设置为“both”,并且lhs / rhs中未使用的所有其他项都可以用于两者(在R包中实现的appearence参数的说明:http://www.inside-r.org/node/86290,我意识到它在阅读原始C实现的手册时必须是可能的:http://www.borgelt.net/doc/apriori/apriori.html#appearin)。您必须设置default="none",然后您可以在不使用子集的情况下约束lhs和rhs。

rules_sales <- apriori(sales, 
                       parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                       appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                       rhs=paste0("Product=", unique(sales$Product)), default="none"))

答案 1 :(得分:2)

我参加派对的时间已经很晚了......但是,由于我现在正在玩这个包,所以让我把我的想法包括在内,以便对某人有所帮助。

输出中包含的规则是符合支持和置信度参数的规则。所以,如果你没有任何规则,你希望尝试放松这些限制:降低支持,降低信心。 lhs,据我所知,只能包含一个术语,因此您可以将此部分限制为您想要显示的术语(产品),以加快规则生成。 我还没有尝试过您的特定数据集,但我认为这是一般建议,应该适用于所有情况。