Question

假设我们有3条规则：

[1] {A,B,D} -> {C}

[2] {A,B} -> {C}

[3] Whatever it is

规则[2]是规则[1]的子集（因为规则[1]包含规则[2]中的所有项目），因此应删除规则[1] （因为规则[1]过于具体，其信息包含在规则[2]）

中

我在互联网上搜索，每个人都在使用这些代码来删除多余的规则：

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]

我不明白代码是如何工作的。

在代码的第2行之后，subset.matrix将变为：

      [,1] [,2] [,3]
[1,]   NA    1    0
[2,]   NA   NA    0
[3,]   NA   NA   NA

下三角形中的单元格设置为NA，因为规则[2]是规则[1]的子集，所以相应的单元格设置为1.所以我有两个问题：

为什么我们必须将下三角设为NA？如果我们这样做，那么我们如何检查规则[2]是否是规则[3]的子集？（单元格已设置为NA）
在我们的案例中，规则[1]应该是要删除的规则，但这些代码会删除规则[2]而不是规则[1]。（因为第2列中的第一个单元格是1，并且根据代码的第3行，第2列的列总和＆gt; = 1，因此将被视为冗余）

任何帮助将不胜感激！

Answer 1

要使代码生效，您需要一个兴趣度量（置信度或提升量），rules.sorted需要按置信度或提升量进行排序。无论如何，代码非常低效，因为is.subset()创建了一个大小为n ^ 2的矩阵，其中n是规则的数量。此外，规则is.subset合并规则的rhs和lhs，这是不正确的。所以不要过多担心实现细节。

更有效的方法现在在包arules中实现为函数is.redundant()（在版本1.4-2中可用）。该解释来自手册页：

如果更一般的规则具有相同或更高的规则，则规则是多余的   信心存在。也就是说，如果是更具体的规则则是多余的   与一般规则相比，只有同等甚至更低的预测性。一条规则   如果它具有相同的RHS但删除了一个或多个项目，则更为通用   来自LHS。形式上，规则X - >如果
，则Y是多余的
对于某些X'子集X，conf（X' - > Y）＆gt; = conf（X - > Y）。

这相当于由...定义的负或零改进   Bayardo等。（2000年）。在此实施中的其他措施   信心，例如提升也可以使用。

查看? is.redundant中的示例。

Answer 2

使用arules包删除冗余规则...

运行apriori算法：

rules <- apriori(transDat, parameter = list(supp = 0.01, conf = 0.5, target = "rules", maxlen = 3))

删除多余：

rules <- rules[!is.redundant(rules)]

检查：

arules::inspect(rules)

创建数据框：

df = data.frame(
lhs = labels(lhs(rules)),
rhs = labels(rhs(rules)), 
rules@quality)

Answer 3

只需查看rstudio中is.redundant（）的帮助，即可清楚地表明

假设有一个

规则1 X-> Y，置信度为cf1

rule2 X'-> Y，置信度为cf2，其中X'是X的子集

如果rule2具有比rule1高的置信度，即cf2> cf1（其中X'是X的子集），则说规则1是多余的

即，如果存在一个规则，其中lhs的子集可以更有把握地给出rhs，则先前的规则被称为冗余规则。

我们将下三角形设为na，以便规则不会成为其子集
信息不足，仅基于子集就不能说规则是冗余的，必须考虑置信度

R中的关联规则 - 删除冗余规则（arules）

3 个答案: