R中的Apriori算法

Posted 2023-03-23

【中文标题】R中的Apriori算法

【英文标题】：Apriori Algorithm in R

【发布时间】：2017-06-21 16:03:05

【问题描述】：

我有一个我认为是精心准备的数据集。我想使用 R 中的 Apriori 算法来寻找关联并提出一些规则。我有大约 16,000 行（唯一客户）和 179 列代表各种项目/类别。数据如下所示：

     Cat1  Cat2  Cat3  Cat4  Cat5 ... Cat179
     1,     0,    0,    0,    1,  ...  0
     0,     0,    0,    0,    0,  ...  1
     0,     1,    1,    0,    0,  ...  0
     ...

我认为为每个客户和类别创建一个包含二进制值 (1/0) 的逗号分隔文件可以解决问题，但在我使用以下方法读取数据后：

data5 = read.csv("Z:/CUST_DM/data_test.txt",header = TRUE,sep=",")

然后运行这个命令：

rules = apriori(data5, parameter = list(supp = .001,conf = 0.8))

我收到以下错误：

Error in asMethod(object):
column(s) 1, 2, 3, ...178 not logical or a factor. Discretize the columns first.  

我理解离散化，但我猜不是在这种情况下。一切都是 1 或 0。我什至将数据从 INT 更改为 CHAR 并收到相同的错误。我还将客户 ID（唯一）作为第 1 列，但我知道当数据采用这种形式（平面文件）时，这不是必需的。我确定我缺少一些明显的东西 - 我是 R 新手。

我错过了什么？感谢您的输入。

【问题讨论】：

请阅读How to make a great reproducible example in R?

如果没有可重现的示例，真的无法帮助您。听起来您的数据有问题，但由于无法重现问题，我们无法确定问题所在。

很公平。你能告诉我，1 和 0 的文件格式，逗号分隔的先验格式是可接受的格式吗？我是否需要一个唯一的 ID 列 - 我知道一旦它是平面文件格式就不需要？这两个问题的答案将消除我认为的一些潜在问题。谢谢。

我以这种方式解决了问题：将数据读入 R 后，我使用 lapply() 将数据更改为因子（我认为这就是它的作用）。然后我拿了那个数据集并从中创建了一个数据框。然后我就可以成功应用 apriori() 了。

【参考方案1】：

我以这种方式解决了问题：将数据读入 R 后，我使用 lapply() 将数据更改为因子（我认为这就是它的作用）。然后我拿了那个数据集并从中创建了一个数据框。然后我就可以成功应用 apriori() 了。

【参考方案2】：

您的数据实际上已经是（密集）矩阵格式，但read.csv 始终以data.frame 的形式读取数据。只需先将数据强制发送到matrix：

dat <- as.matrix(data5)
rules <- apriori(dat, parameter = list(supp = .001,conf = 0.8))

数据中的 1 将被解释为项目的存在，而 0 则被解释为不存在。有关如何创建事务的更多信息，请参见手册页? transactions。

【讨论】：

我尝试了你的建议 Michael，但它对我不起作用。 as.matrix 命令没有返回错误，但是当我尝试使用 apriori() 函数时，我收到此错误： if (any(from != 0 & from != 1)) 中的错误警告("matrix contains values除了 0 和 1！设置所有条目！= 0 到 1。”）：（我很抱歉我之前没有这样做过，我知道格式错误，但我想让你知道我的解决方案。缺少 TRUE/ 处的值需要假

我有一个解决方案：首先我将 csv 数据集中的 0 更改为 NULL。接下来，我使用了 lapply(dataname,factor) 函数，然后将该数据集转换为 data.frame。然后我可以成功应用 apriori() 函数。谢谢你的建议。 （抱歉，这是我第一次尝试，我不知道格式化是如何工作的。）

错误信息表明您的矩阵包含的值不是 0 或 1。所以您需要做的就是找出“坏”值在哪里。例如，您可以使用table(as.matrix(data5), useNA = "always")，如果您看到除 0 和 1 以外的任何内容，那么您就知道您遇到了问题。我猜你想把任何不是 1 的东西改成 0，然后你应该没问题。在这种情况下，使用 lapply 创建因子的缺点是您将获得所有 0 以及所有其他奇怪值的项目。