R修剪采矿规则 - 先验

Question

我对在R中使用apriori获得的规则有疑问。

在数据输入，转换等之后，我输入了命令

  

规则＆lt; - apriori（orders，parameter = list（supp = 0.01，conf = 0.5，   的maxlen = 2））

我得到了我的规则。例如：

 lhs        rhs        support confidence      lift
1  {16058} => {16059} 0.01218522  0.9375000 67.886029
2  {16059} => {16058} 0.01218522  0.8823529 67.886029
3  {10049} => {10021} 0.01462226  0.7826087 34.406832
4  {10021} => {10049} 0.01462226  0.6428571 34.406832

我的回答是：有没有办法修剪对我来说不感兴趣的规则？ 在这种情况下，我只想看到第一个和第三个规则，以避免使用两个规则连接两个项目的“循环”规则。

谢谢！

Answer 1

感谢rdatamining - rdatamining Titanic example 我发现这个解决方案tu prune冗余规则：

rules.sorted <- sort(rules, by="lift")
subset.matrix <- is.subset(rules.sorted, rules.sorted)
subset.matrix[lower.tri(subset.matrix, diag=T)] <- NA
redundant <- colSums(subset.matrix, na.rm=T) >= 1
which(redundant)
rules.pruned <- rules.sorted[!redundant]
inspect(rules.pruned)
plot(rules.pruned, method="graph", control=list(type="items"))

Answer 2

我知道这是一个老帖子，但是当我开始研究同样的问题时，我发现了它。只是为了让人们看到比链接更完整的资源，CRAN Intro to arules解释了如何使用R中的常规子集化功能来修剪不需要的规则（第26页中间）：＆＃34;作为关联规则挖掘的典型，发现的规则数量巨大。分析这些 规则，例如，subset（）可用于为每个项目生成单独的规则子集。然后继续解释并举例说明。

Answer 3

我将为rdatamining Titanic example提供替代解决方案，因为我发现这对于较大的规则库而言效率非常低。 CRAN Intro to arules p中确实提到了此问题。 14。

您可以使用规则中的is.redundant函数，而不是使用整个项目集矩阵（可能非常大）。基本上，这将查找所有具有相同或更低的提升/置信度/ [其他指标]的更具体的规则（相同的结果/ RHS，但LHS /前人中的更多项）...

更正式地说，您寻找X的子集X'，其提升度或置信度有改善（或至少没有减少）。

然后使用提升作为改进措施，代码如下所示：

rules <- apriori(df, parameter = list(supp = 0.01, conf = 0.5, target = "rules"))
rules_lift <- sort(rules, by = 'lift')
rules_pruned <- rules_lift[!is.redundant(rules_lift, measure="lift")]
inspect(head(rules_pruned, 20))

由于您提到了《泰坦尼克号》示例来解决您的问题，因此我提供了此解决方案。但是，这种方法无法解决您在问题描述中提到的循环规则，因为对于这些规则，结果Y并不相同。