我有一个包含7列的excel文件。前三个是数字，第4-7列是分类。我将其保存为txt文件并将其加载到R中（使用RStudio，单击环境中的“import dataset”按钮），该按钮启动了以下命令
data <- read.table("~/csectiondata.txt", quote="\"", comment.char="")*
现在，我一直在尝试使用apriori（数据），这是我得到的错误：
asMethod（object）中的错误： 第1,2,3列不符合逻辑或因素。首先使用as.factor，as.logical或分类。
我读到使用sapply和as.factor会有所帮助，所以我这样做了：
data <- sapply(data, as.factor)*
但现在我收到了这个错误：
t中的错误（as（from，“ngCMatrix”））： 在为函数't'选择方法时评估参数'x'时出错：asMethod（object）中的错误：无法强制'NA'到'nsparseMatrix“
我也试过了transaction_data <- as(data, "transactions")，我也一样。
“asMethod（object）中的错误”
我完全迷失了。有人可以帮帮我吗？
答案 0 :(得分：0)
您需要先准备好数据。关联规则挖掘只能使用项目，不能与连续变量一起使用。
例如，描述一个人的项目（即被称为交易的被考虑对象）可以是高。人很高的事实将在包含项目 tall 的交易中编码。这通常以TRUE值的项目矩阵编码。这就是as.transaction可以处理逻辑列的原因，因为它假定列代表一个项目。该函数还可以将具有标称值（即因子）的列转换为一系列二进制项（每个级别一个）。因此，如果您有名义变量，那么您需要使用类似data[,"a_nominal_var"] <- factor(data[,"a_nominal_var"])的内容确保它们是因子（而不是字符或数字）。
首先需要对连续变量进行离散化。离散化产生的项目可能年龄> 18 ，该列仅包含TRUE或FALSE。或者，它可以是水平年龄<= 18 ， 50 =>年龄> 18 且年龄> 50 的因素。这些将自动转换为3个项目，每个级别一个。请查看 arules 中的函数discretize()。