如何使用arules来识别top n推荐项目及其规则？

Posted 2023-03-23

【中文标题】如何使用arules来识别top n推荐项目及其规则？

【英文标题】：How to use arules to identify top n recommended items and their rules?

【发布时间】：2017-10-16 14:10:57

【问题描述】：

虽然head() 可用于提取前 n 条规则，但某些 RHS 项可能会出现多次。我想找到前 n 个唯一 RHS 项目以及每个此类项目的***规则。

我已经编写了完成此操作的代码，但运行速度很慢，大概是由于使用了“子集”函数，效率非常低。我的代码 I 遍历 RHS 的唯一项，找到与其相关的规则子集，并返回该项的单个***规则。这是一种有效或高效的方法吗？有没有更好的办法？

library(arules)
data("Groceries")
rules = apriori(Groceries,
                parameter = list(supp = 0.01, conf = 0.1, target = "rules"),
                appearance = list(lhs=c("whole milk", "root vegetables"), default="rhs"))

rules = sort(rules, by=c("confidence", "lift", "support"))
rhs.unique = unique(rules@rhs@itemInfo$labels[rules@rhs@data@i+1]) #Already sorted by top items.

#Function that returns the top rule for a particular RHS item in a set of rules.
top_item_rule = function(item, rules=NULL) 
  rules = subset(rules, rhs %in% item)
  rules = sort(rules, by=c("confidence", "lift", "support"))
  head(rules, n=1)


n = 3
toprules = lapply(rhs.unique[1:n], top_item_rule, rules)
toprules = do.call(c, args=toprules)

【参考方案1】：

这个怎么样？

rules <- sort(rules, by=c("confidence", "lift", "support"))
rules[!duplicated(rhs(rules))]

它为每个 rhs 返回顶部（排序后的第一个）规则。