用R语言做关联分析——以商场选购为案例
0、基本概念
A. 项集
项（Item）：在一篮子商品中的一件消费品即为一项；
项集：若干项的集合为项集，如{啤酒，尿布}是一个二元项集。
B. 关联规则 X=>Y
X为先决条件，Y为关联结果，表示数据内隐含的关联性。
关联性强度如何，由三个概念——支持度、置信度、提升度来控制和评价。
1）支持度（Support）：项集中X和Y同时出现的概率。
2）置信度（Confidence）：先决条件X发生的条件下，关联结果Y发生的概率。
3）提升度（lift）：含有X的条件下同时含有Y的可能性与没有X的条件下同时含有Y的可能性之比。
1、读取数据
groceries <- read.transactions("groceries.csv", sep = ",")
summary(groceries)
如果是文本文档
click_detail=read.transactions("click_detail.txt",format="basket",sep=",",cols=c(1)) #读取txt文档（文档编码为ANSI）
read.transactions(file, format =c("basket", "single"), sep = NULL, cols = NULL, rm.duplicates =FALSE, encoding = "unknown")
format：如果是basket，就是一个顾客买的东西都放到同一个篮子，所有顾客的transactions就是一个个篮子的组合结果。如果是single，交易记录为：顾客1：产品1， 顾客1：产品2，顾客2：产品1……
sep:文件中数据是怎么被分隔的，默认为空格，click_detail里面用逗号分隔
cols:对basket, col=1,表示第一列是数据的transaction ids(交易号)，如果col=NULL，则表示数据里面没有交易号这一列；对single，col=c(1,2)表示第一列是transaction ids，第二列是item ids
rm.duplicates:是否移除重复项，默认为FALSE
encoding:编码方式，如果不是”ANSI”，试试“UTF-8”
2、计算商品出现频率（item support）
library(arules) #加载arules包
itemFrequency(groceries[, 1:3])
画图展示
itemFrequencyPlot(groceries, topN = 20, support = 0.1)
3、画出稀疏矩阵
展示前五行
image(groceries[1:5])
展示随机抽取的100行数据
image(sample(groceries, 100))
4、训练模型
Apriori算法步骤：
1）选出满足支持度最小阈值的所有项集，即频繁项集；
2）从频繁项集中找出满足最小置信度的所有规则。
groceryrules <- apriori(groceries, parameter =list(support = 0.006, confidence = 0.25, minlen = 2))
parameter：设置参数，默认值如下parameter=list(supp=0.1,conf=0.8,maxlen=10,minlen=1,target=”rules”)
supp： 支持度（support）
conf： 置信度（confidence）
maxlen,minlen： 每个项集所含项数的最大最小值
target： “rules”或“frequent itemsets”（输出关联规则/频繁项集）
apperence： 对先决条件X（lhs），关联结果Y（rhs）中具体包含哪些项进行限制，如：设置lhs=beer，将仅输出lhs含有beer这一项的关联规则。默认情况下，所有项都将无限制出现。
control： 控制函数性能，如可以设定对项集进行升序sort=1或降序sort=-1排序，是否向使用者报告进程（verbose=F/T）
summary(groceryrules)
5、提升模型精度
查看频繁项集的前三个rules
inspect(groceryrules[1:3])
按lift排序，查看频繁项集的前五个rules
inspect(sort(groceryrules, by = "lift")[1:5])
6、查看子样本的关联规则
显示所有先决条件为berries的关联规则
berryrules <- subset(groceryrules, items %in% c("berries","fruit"))
inspect(berryrules)
%in% 表示至少有一个项属于给定的项集
%pin% 表示部分地符合给定的项，如给定“fruit”，那么“citrus fruit”和“tropical fruit”都会被选中
%ain% 表示必须全部符合给定的项集
7、保存结果
保存到file中
write(groceryrules, file = "groceryrules.csv", sep = ",", quote = TRUE, row.names = FALSE)
保存到dataframe中
groceryrules_df <- as(groceryrules, "data.frame")
————————————————
版权声明：本文部分内容参考了CSDN博主「helen1313」的原创文章，原文链接：https://blog.csdn.net/helen1313/article/details/38061777