R语言数据挖掘之关联规则

1. 实验目的

   1. 掌握文件的读写

   2. 掌握R语言数据框操作

   3. 掌握R语言规则算法的应用

2. 实验内容

   加载数据集，使用电信数据集mushrooms.csv，使用规则算法识别有毒的蘑菇。

3. 解题过程及程序代码

• 程序代码

1.首先设定路径并将数据集导入到工作区间，注意将分类变量强制类型转换成因子类型，通过header将第一行的所有属性设为标题
mydata<-read.csv("mushrooms.csv",stringsAsFactors= TRUE,header= T)

2.使用summary查看数据特征，看看每一列数据的相同数值个数，保证分类变量的个数相近，才可以使用规则算法，否则不准确；
summary(mydata)

可以知道该数据集分为edible(可食的)和poisonous(有毒的)，当中发现有一项属性是所有记录都属于该项的
3.使用dim查看变量的维数，并将所有记录都属于某一项的数据赋值为空，即删除这一列。因为所有的因子都一样，并不能决定是否是有毒的，删除后再查看维数可看出少了一列；
mydata$veil_type=NULL

4.需要预测样本的属性结果是type，它有两个属性值分别为edible和poisonous

5.加载caret包，生成训练集train1和测试集test1

6.加载Rweka包，使用包中的变量OneR()，单规则算法；

单规则算法结果：

OneR是生成单一规则的算法。通过计算其他属性，OneR选择单一种规则发生的概率来确定分类，直接把其他属性的值都忽略了。
采用80%的数据作为训练集，最终选择odor规则:
当odor（气味）是almond、anise、none时,判断该蘑菇的type是edible（可食用）的蘑菇；
当odor（气味）是creosote、fishy、foul、musty、pungent、spicy时,判断该蘑菇的type是poisonous（有毒）的蘑菇。
其中，6500条记录中有6402条是通过规则判断正确的。
7.剩余20%作为测试样本集的预测结果:

通过该结果可看出预测结果中的type为edible的准确率达100%，而判断type为poisonous的有761条数据是正确的，有22条数据判断错误，准确率达97.2%
8.使用RIPPER算法(重复增量修剪算法)产生规则；

多规则算法结果：

JRip 即 RIPPER 算法，是规则归纳学习从分类实例出发能够归纳出一般的概念描述。
采用80%的数据作为训练样本集，最终可得共9条规则：
规则1：当odor（气味）为foul时，蘑菇是poisonous（有毒的）。其中有2160条记录，每条记录都是正确的，无错误记录；
规则2：gill_size（菌褶的大小）为narrow（狭窄的）及gill_color（菌褶的颜色）是buff（浅黄色）时，蘑菇是poisonous（有毒的）。其中有1152条记录，无错误记录；
规则3：gill_size（菌褶的大小）为narrow（狭窄的）及odor（气味）是pungent（辛辣的）时，蘑菇是poisonous（有毒的）。其中有256条记录无错误记录；
规则4：odor（气味）是creosote（碳酸）时，蘑菇是poisonous（有毒的）。其中有192条记录，无错误记录；
规则5：spore_print_color（孢子颜色）是green时，蘑菇是poisonous（有毒的）。其中有72条记录，无错误记录；
规则6：stalk_surface_below_ring（茎的下表面）是scaly（粗糙）和stalk_surface_above_ring（茎的上表面）是silky（光滑）时，蘑菇是poisonous（有毒的）。其中有68条记录，无错误记录；
规则7：habitat（产地）是leaves（树叶）和cap_color（蘑菇帽颜色）是white时，蘑菇是poisonous（有毒的）。其中有8条记录，无错误记录；
规则8：stalk_color_above_ring（上茎颜色）是yellow时，蘑菇是poisonous（有毒的）。其中有8条记录，无错误记录；
规则9：其余的均为edible（可食用）的蘑菇。其中有4208条记录，无错误记录。
9.剩余20%作为测试样本集的预测结果:

通过该结果可看出预测结果中的type为edible有841条数据和poisonous有783条数据，准确率达100%。