Question

在进行频繁的序列挖掘时，通常需要执行以下任务：
1。查找序列模式（频繁序列）。
2。找出适用于交易的顺序模式。即：给定一个事务，找到所有频繁序列中的哪一个？

我在做后者时遇到了麻烦。

使用R，我将arulesSequences包中的cspade算法应用于以下玩具数据集：

data <- data.frame(id = 1:10,
                   transaction = c("A B B A",
                                   "A B C B D C B B B F A",
                                   "A A B",
                                   "B A B A",
                                   "A B B B B",
                                   "A A A B",
                                   "A B B A B B",
                                   "E F F A C B D A B C D E",
                                   "A B B A B",
                                   "A B"))

然后我使用包 stringr 中的str_split函数拆分数据：

data_for_fseq_mining <- str_split(string = data$transaction, pattern = " ")

使用标识符在'data_for_fseq_mining'中唯一地命名列表元素。这是使用函数'as.transactions'的先决条件，如下所示。

names(data_for_fseq_mining) <- data$id

为了将这种数据转换为“事务”类的数据集，我使用https://github.com/cran/clickstream/blob/master/R/Clickstream.r中的以下函数“as.transactions”。

data_for_fseq_mining_trans <- as.transactions(clickstreamList = data_for_fseq_mining)

现在数据格式正确，我使用一些参数运行cspade-algorithm：

sequences <- cspade(data      = data_for_fseq_mining_trans, 
                    parameter = list(support = 0.3, maxsize = 10, maxlen = 10, mingap = 1, maxgap = 10),
                    control   = list(tidList = TRUE, verbose = TRUE))

总结结果（顺序和相对支持）：

sequences_df <- cbind(sequence = labels(sequences), support = sequences@quality)

              sequence support
1                  <{A}>     1.0
2                  <{B}>     1.0
3              <{A},{B}>     1.0
4              <{B},{B}>     0.7
5          <{A},{B},{B}>     0.6
6          <{B},{B},{B}>     0.4
7      <{A},{B},{B},{B}>     0.4
8      <{B},{B},{B},{B}>     0.3
9  <{A},{B},{B},{B},{B}>     0.3
10         <{A},{A},{B}>     0.5
11         <{B},{A},{B}>     0.4
12     <{A},{B},{A},{B}>     0.3
13             <{A},{A}>     0.8
14             <{B},{A}>     0.6
15         <{A},{B},{A}>     0.6
16         <{B},{B},{A}>     0.5
17     <{A},{B},{B},{A}>     0.4

这很好，但现在我想知道，对于每个事务，每个序列是否存在（TRUE / FALSE）。为此，我尝试使用tidList：

sequences_score <- as.matrix(sequences@tidLists@data)

      [,1] [,2] [,3]  [,4]  [,5]  [,6]  [,7]  [,8]  [,9] [,10] [,11] [,12] [,13] [,14] [,15] [,16] [,17]
 [1,] TRUE TRUE TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
 [2,] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [3,] TRUE TRUE TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
 [4,] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 [5,] TRUE TRUE TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE
 [6,] TRUE TRUE TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [7,] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 [8,] TRUE TRUE TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
 [9,] TRUE TRUE TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE
[10,] TRUE TRUE TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE

从这个结果中，我假设每一行对应一个事务，每一列对应一个序列。但是当看第4栏时，它说的是模式' ＆LT; {B}，{B}＆GT;”在交易2,4和7中不存在。虽然这些交易显然都包含这种模式。我对输出的假设是错误的吗？

另一种方法是使用juliesls提供的这段代码：R arulesSequences Find which patterns are supported by a sequence

应用以下代码行时，会发生错误。

ids             <- unique(data_for_fseq_mining_trans@itemsetInfo$sequenceID)
sequences_score <- data.frame()

for (seq_id in 1:length(sequences)){
  sequences_score[,labels(sequences[seq_id])] <- logical(0)
}

for (id in ids){
  transaction_subset    <- data_for_fseq_mining_trans[data_for_fseq_mining_trans@itemsetInfo$sequenceID==id]
  sequences_score[id, ] <- as.logical(support(x = sequences, transactions = 
  transaction_subset, type="absolute"))
}

任何线索？

Answer 1

要查看每个序列是否存在，您确实可以使用提供的代码：

sequences_score <- as.matrix(sequences@tidLists@data)

但是，您必须使用序列对象的其他属性将结果矩阵映射到数据，如下所示：

# Get mapping ids, change to numeric values
mapping_ids      <- as.numeric(sequences@tidLists@transactionInfo$sequenceID)

# Then map your matrix sequence_score to correspond to the order of your data
sequences_score  <- sequences_score[order(mapping_ids), ]

R arulesSequences - 事务中存在哪些频繁序列？

1 个答案: