理解关联规则

    • 市场购物篮分析的结果是一组指定商品之间关系模式的关联规则。

    • 一个典型的规则可以表述为： 奶爸去买尿不湿会顺便买啤酒，而且这个规则是有顺序的

    • 关联规则用通俗易懂的语言来表达就是：

                如果有规则{花生酱，果冻} —> {面包}，如果购买了花生酱和果冻，那么也很有可能会购买面包。

支持度和置信度

    • 支持度 (support)  是指 一个项集 在数据中出现的频率

    • 置信度 (confidence)  是指 一个规则 的 预测能力（准确度的度量）

    公式：

    数据：

     求规则：{鲜花} —> {慰问卡} 的置信度 ？

                {鲜花} 的支持度 = 4/5 ， {鲜花，慰问卡} 的支持度 = 3/5 

                 所以 {鲜花} —> {慰问卡} 的置信度 为 （3/5）/ （4/5） = 3/4

理解Apriori算法

    • Apriori算法原则 指的是一个频繁项集的所有子集也必须是频繁的。（频繁即项集支持度高）

              即如果{A,B}是频繁的，那么{A}和{B}都必须是频繁的。

              因为根据定义，支持度表示一个项集出现在数据中的频率。因此，如果知道{A}不满足所期望的支持度阈值，那么就没有考虑{A,B}或者任何包含{A}的项集，这些项集绝对不可能是频繁的。

    • Apriori算法利用这个逻辑在实际评估他们之前排除潜在的关联规则 ，即首先排除掉单个项集不满足支持度的，让它们不参与接下来的组合

    • 排除之后又分为 两个阶段：

             1、将数据组合成各种项集，然后识别所有满足最小支持度阈值的项集 （排除掉不满足支持度的项集）

             2、根据这些项集来创建各种关联规则，然后 根据最小置信度阈值评估排除规则

                        例如，{A，B，C}将产生候选规则{A}->{B}、{A}->{C}、{B}->{C}、{B}->{A}、{C}->{A}、{C}->{B}

                        这些规则将根据最小置信度阈值评估，任何不满足所期望的置信度的规则将被排除。

例子：

    每一个顾客的购物车买的东西，求哪些物品有对某一个有关联关系

数据：

代码：

#csv文件以，间隔
#这里是将每个单元格作为一行
#read.transactions为arules包方法，需先安装再导入
groceries <- read.transactions("AssociationRules/data/groceries.csv", sep=",")
summary(groceries)

inspect(groceries[1:5])
itemFrequency(groceries[,1:3]) #查看频繁项集
itemFrequencyPlot(groceries, support=0.1) #支持度0.1上的柱状图
itemFrequencyPlot(groceries, topN=20) #前20
image(groceries[1:5])
image(sample(groceries, 100))

#apriori(groceries)
#parameter指定参数 list(支持度，置信度，最小关联两个)
grocery_rules <- apriori(groceries, parameter = list(support=0.006, confidence=0.25, minlen=2))
grocery_rules

#概要 lift为support、confidence合在一起的参数，越大越关联
summary(grocery_rules)

#查看关联前三个
inspect(grocery_rules[1:3])
#以lift排序，再查看前5
inspect(sort(grocery_rules, by="lift")[1:5])

完整代码：

#csv文件以，间隔
#这里是将每个单元格作为一行
#read.transactions为arules包方法，需先安装再导入
groceries <- read.transactions("AssociationRules/data/groceries.csv", sep=",")
summary(groceries)

inspect(groceries[1:5])
itemFrequency(groceries[,1:3]) #查看频繁项集
itemFrequencyPlot(groceries, support=0.1) #支持度0.1上的柱状图
itemFrequencyPlot(groceries, topN=20) #前20
image(groceries[1:5])
image(sample(groceries, 100))

#apriori(groceries)
#parameter指定参数 list(支持度，置信度，最小关联两个)
grocery_rules <- apriori(groceries, parameter = list(support=0.006, confidence=0.25, minlen=2))
grocery_rules
#概要 lift为support、confidence合在一起的参数，越大越关联
summary(grocery_rules)

#查看关联前三个
inspect(grocery_rules[1:3])
#以lift排序，再查看前5
inspect(sort(grocery_rules, by="lift")[1:5])

#Subset函数第一个参数是所要选择的数据框，第二个参数是所要查看信息的方法
berry_rules <- subset(grocery_rules, items %in% "berries")
inspect(berry_rules)

#写入文件
write(grocery_rules, file="AssociationRules/output/groceryrules.csv", sep=",", quote=TRUE, row.names = FALSE)

#转为dataframe
groceryrules_df <- as(grocery_rules, "data.frame")
str(groceryrules_df)