Question

我在R

中的arulesSequences库遇到了麻烦

我有一个带有时间信息的事务数据集（这里，让我们使用默认的zaki数据集）。我使用SPADE（cspade函数）来查找数据集中的频繁子序列。

library(arulesSequences)
data(zaki)
frequent_sequences <- cspade(zaki, parameter=list(support=0.5))

现在，我想要的是为每个序列（即每个客户）找到它支持的频繁子序列。我尝试了%in%和subset的各种组合，但没有取得多大成功。

例如，对于第二个客户，初始交易inspect(zaki[zaki@itemsetInfo$sequenceID==2])是：

items     sequenceID eventID SIZE
5 {A,B,F} 2          15      3   
6 {E}     2          20      1

整个数据集inspect(frequent_sequences)中的频繁序列是：

items support 
1 <{A}>    1.00 
2 <{B}>    1.00 
3 <{D}>    0.50 
4 <{F}>    1.00 
5 <{A, F}>    0.75 
6 <{B, F}>    1.00 
7 <{D}, {F}>    0.50 
8 <{D}, {B, F}>    0.50 
9 <{A, B, F}>    0.75 
10 <{A, B}>    0.75 
11 <{D}, {B}>    0.50 
12 <{B}, {A}>    0.50 
13 <{D}, {A}>    0.50 
14 <{F}, {A}>    0.50 
15 <{D}, {F}, {A}>    0.50 
16 <{B, F}, {A}>    0.50 
17 <{D}, {B, F}, {A}>    0.50 
18 <{D}, {B}, {A}>    0.50

我希望看到客户2支持频繁的序列1,2,4,5,6,9和10，但不支持其他序列。

我还可以解决反向信息：哪些是支持给定频繁子序列的基本序列？ R以某种方式知道这些信息，因为它使用它来计算频繁序列的支持。

在我看来，这应该很容易（而且可能是！）但我似乎无法弄明白......

有什么想法吗？

Answer 1

经过一些冷静的挖掘后，我找到了一种方法，事实上，它很容易......因为support功能完成了这项工作！

ids <- unique(zaki@itemsetInfo$sequenceID)
encoding <- data.frame()

# Prepare the data.frame: as many columns as there are frequent sequences
for (seq_id in 1:length(frequent_sequences)){
    encoding[,labels(frequent_sequences[seq_id])] <- logical(0)
}

# Fill the rows
for (id in ids){
    transaction_subset <- zaki[zaki@itemsetInfo$sequenceID==id]
    encoding[id, ] <- as.logical(
        support(frequent_sequences, transaction_subset, type="absolute")
        )
}

可能有更多美学方法来达到结果，但这会产生预期结果：

> encoding
  <{A}> <{B}> <{D}> <{F}> <{A,F}> <{B,F}> <{D},{F}> <{D},{B,F}> <{A,B,F}>
1  TRUE  TRUE  TRUE  TRUE    TRUE    TRUE      TRUE        TRUE      TRUE
2  TRUE  TRUE FALSE  TRUE    TRUE    TRUE     FALSE       FALSE      TRUE
3  TRUE  TRUE FALSE  TRUE    TRUE    TRUE     FALSE       FALSE      TRUE
4  TRUE  TRUE  TRUE  TRUE   FALSE    TRUE      TRUE        TRUE     FALSE
  <{A,B}> <{D},{B}> <{B},{A}> <{D},{A}> <{F},{A}> <{D},{F},{A}> <{B,F},{A}>
1    TRUE      TRUE      TRUE      TRUE      TRUE          TRUE        TRUE
2    TRUE     FALSE     FALSE     FALSE     FALSE         FALSE       FALSE
3    TRUE     FALSE     FALSE     FALSE     FALSE         FALSE       FALSE
4   FALSE      TRUE      TRUE      TRUE      TRUE          TRUE        TRUE
  <{D},{B,F},{A}> <{D},{B},{A}>
1            TRUE          TRUE
2           FALSE         FALSE
3           FALSE         FALSE
4            TRUE          TRUE

R arulesSequences查找序列支持的模式

1 个答案: