Arules 中规则的并集和交集在算术上是有意义的

Posted 2023-03-23

【中文标题】Arules 中规则的并集和交集在算术上是有意义的

【英文标题】：The union and intersection of rules in Arules does arithmetically make sense

【发布时间】：2021-03-19 10:28:08

【问题描述】：

union(setA,setB)= setA + setB - intersect(setA,setB) 的简单数学无效

我在这里错过了什么？

这是我的两个规则集的总结。

> setA
set of 625 rules
 
> setB
set of 622 rules 

> union(setA,setB)
set of 626 rules 

> intersect(setA,setB)
set of 174 rules 

> setdiff(setA,setB)
set of 451 rules 

> setdiff(setB,setA)
set of 448 rules 
 

导出的规则

setA

setB

R 模型

setA.Rdata

setB.Rdata

【问题讨论】：

您能否提供一个最小的setA 和setB 数据来重现您的问题？这将方便我们验证问题。

添加了指向数据集的链接。这些是整个记录集。

class(setA 和class(setB) 的结果是什么？通常，union、setdiff 和 intersect 是为单向量设计的，这里你的 setA 和 setB 包括多向量。

我在 arules 中使用过集合操作； rdrr.io/cran/arules/man/sets.html。它允许对关联集（例如规则、项集）和 itemMatrix 进行集合操作。

回答您对类的查询 > class(setA) [1] "rules" attr(,"package") [1] "arules" > class(setB) [1] "rules" attr (,"包") [1] "arules" >

【参考方案1】：

这是一个棘手的问题。

load("setA.Rdata")
load("setB.Rdata")

all.equal(itemLabels(setA), itemLabels(setB))   
[1] "Lengths (261, 263) differ (string compare on first 261)"
[2] "167 string mismatches" 

您有两个使用不同项目编码的规则集（即项目的不同顺序）。如果您从不同的数据集中挖掘它们并且不注意项目编码相同，则会发生这种情况。

arules 期望集合以相同的方式编码而无需检查。我认为需要添加支票。

您可以通过重新编码以使用相同的 itemLabels 来修复您的规则集：

itemLabels <- union(itemLabels(setA), itemLabels(setB))

setA_fixed <- new("rules",
  lhs = recode(lhs(setA), itemLabels = itemLabels), 
  rhs = recode(rhs(setA), itemLabels = itemLabels)
  )

setB_fixed <- new("rules",
  lhs = recode(lhs(setB), itemLabels = itemLabels), 
  rhs = recode(rhs(setB), itemLabels = itemLabels)
)

现在你得到了预期的结果：

length(union(setA_fixed, setB_fixed))
[1] 626
length(c(setA_fixed, setB_fixed)) - length(intersect(setA_fixed, setB_fixed))
[1] 626

【讨论】：

非常感谢...感谢您花时间解释和解决。