如何仅获取 arules 中特定列的 LHS 和 RHS 项目？

Posted 2023-03-23

【中文标题】如何仅获取 arules 中特定列的 LHS 和 RHS 项目？

【英文标题】：How to get items for both LHS and RHS for only specific columns in arules?

【发布时间】：2015-01-13 15:54:25

【问题描述】：

在 apriori 函数中，我希望结果仅包含 LHS HouseOwnerFlag=0 和 HouseOwnerFlag=1 中的这两个变量。 RHS 应该只包含来自列Product 的属性。例如：

#   lhs                   rhs                                          support confidence     lift
# 1 HouseOwnerFlag=0    => Product=SV 16xDVD M360 Black            0.2500000  0.2500000 1.000000
# 2 HouseOwnerFlag=1    => Product=Adventure Works 26" 720p        0.2500000  0.2500000 1.000000
# 3 HouseOwnerFlag=0    => Product=Litware Wall Lamp E3015 Silver  0.1666667  0.3333333 1.333333
# 4 HouseOwnerFlag=1    => Product=Contoso Coffee Maker 5C E0900   0.1666667  0.3333333 1.333333

部分答案在这个问题中得到解决： R arules, mine only rules from specific column

所以现在我使用以下内容：rules <- apriori(sales, parameter=list(support =0.01, confidence =0.8, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1")))

然后我从其他 SO 问题中使用它来确保只有 Product 列在 RHS 上：inspect( subset( rules, subset = rhs %pin% "Product=" ) )

结果是这样的：

#   lhs                                                                  rhs                                          support confidence     lift
# 1 ProductKey=153, IncomeGroup=Moderate, BrandName=Adventure Works     => Product=SV 16xDVD M360 Black            0.2500000  0.2500000 1.000000
# 2 ProductKey=176, MaritalStatus=M, ProductCategoryName=TV and Video   => Product=Adventure Works 26" 720p        0.2500000  0.2500000 1.000000
# 3 BrandName=Southridge Video, NumberChildrenAtHome=0                  => Product=Litware Wall Lamp E3015 Silver  0.1666667  0.3333333 1.333333
# 4 HouseOwnerFlag=1, BrandName=Southridge Video, ProductKey=170        => Product=Contoso Coffee Maker 5C E0900   0.1666667  0.3333333 1.333333

显然 LHS 能够包含所有可能的列，而不仅仅是像我指定的 HouseOwnerFlag。从其他 *** 问题中，我看到我可以将 default="rhs" 放在 apriori 函数中，如下所示：rules <- apriori(sales, parameter=list(support =0.001, confidence =0.5, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), default="rhs"))

然后在检查时（没有子集部分，只有inspect(rules），规则（7）比以前少得多，但它确实只包含 LHS 中的HouseOwnerFlag：

#   lhs                   rhs                           support     confidence lift
# 1 HouseOwnerFlag=0    => MaritalStatus=S          0.2500000  0.2500000   1.000000
# 2 HouseOwnerFlag=1    => Gender=M                 0.2500000  0.2500000   1.000000
# 3 HouseOwnerFlag=0    => NumberChildrenAtHome=0   0.1666667  0.3333333   1.333333
# 4 HouseOwnerFlag=1    => Gender=M   0.1666667     0.3333333  1.333333

但是，在 RHS 中，RHS 中的 Product 列中没有任何内容。所以它对inspect 和subset 没有用处，因为它当然会返回null。我用不同的支持号码对其进行了多次测试，以试验产品是否会出现，但 7 条相同的规则保持不变。

所以我的问题是，如何同时指定 LHS（HouseOwnerFlag）和 RHS（产品）？我做错了什么？

编辑：您可以通过从https://www.dropbox.com/s/tax5xalac5xgxtf/testdf.txt?dl=0 下载此测试数据集来重现此问题 请注意，我只从一个巨大的数据集中提取了前 20 行，因此很遗憾，这里的输出不会与我上面显示的示例具有相同的产品名称。但问题仍然是一样的。我希望能够在 LHS 上仅获得 HouseOwnerFlag=0 和/或 HouseOwnerFlag=1，在 RHS 上获得 Product 列。

【问题讨论】：

添加reproducible example 总是更容易提供帮助

@MrFlick，好的，谢谢你的建议。如果人们想重现这个问题，我只是做了一个小测试集。

我添加了一个不同的解决方案，我才意识到我对默认参数的错误:)

【参考方案1】：

似乎不能同时约束 lhs 和 rhs（在使用您的数据之前我也没有）。但是你可以使用子集。 编辑：我错了，您也可以同时约束 lhs 和 rhs，另一种解决方案见下文。我保留解决方案 1，因为在某些情况下，计算更大的集合然后拆分可能有用左边。

解决方案 1：

rules_sales <- apriori(sales, 
                   parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                   appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                                     default="rhs"))

rules_subset <- subset(rules_sales, (rhs %in% paste0("Product=", unique(sales$Product))))
inspect(rules_subset)

给予：

  lhs                   rhs                                                support confidence lift
1 HouseOwnerFlag=0 => Product=SV DVD Movies E100 Yellow                   0.05        0.5   10
2 HouseOwnerFlag=0 => Product=Fabrikam Refrigerator 4.6CuFt E2800 Grey    0.05        0.5    5
3 HouseOwnerFlag=1 => Product=Contoso SLR Camera M144 Gold                0.10        0.5    5

但是你应该小心你的低支持：

Warning in apriori(sales, parameter = list(support = 0.001, confidence = 0.5,  :
  You chose a very low absolute support count of 0. You might run out of memory! Increase minimum support.

解决方案 2：

我被参数默认值的定义欺骗了。同时使用 lhs 和 rhs 会告诉分配给其中一个的每个项目，它只能用于 lhs/rhs。参数“default”自动设置为“both”，lhs/rhs中没有用到的所有其他项都可以同时使用（R包中实现的appearence参数解释：http://www.inside-r.org/node/86290，我意识到一定是阅读原始 C 实现手册时可能：http://www.borgelt.net/doc/apriori/apriori.html#appearin)。您必须设置default="none"，然后您可以在以后不使用子集的情况下约束 lhs 和 rhs。

rules_sales <- apriori(sales, 
                       parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                       appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                       rhs=paste0("Product=", unique(sales$Product)), default="none"))

【讨论】：

感谢您的全面回答！我遇到这个问题已经有一段时间了，我还没有重新创建，但它看起来确实合乎逻辑。

【参考方案2】：

我参加聚会很晚了......但由于我现在也在玩这个包，让我包括我的想法，以防对某人有帮助。

输出中包含的规则是符合支持和置信度参数的规则。因此，如果您对期望的格式没有任何规则，请尝试放松这些限制：较低的支持，较低的信心。 据我所知，lhs 只能包含一个术语，因此您可以将此部分限制为您想要出现的术语（产品）以加快规则生成。 我没有尝试过您的特定数据集，但我认为这是一般建议，应该适用于所有情况。

【参考方案3】：

请尝试以下解决方案：

rules_subset <- subset(rules, (lhs %oin% c("HouseOwnerFlag=0", "HouseOwnerFlag=1")  & rhs %pin% c("Product=") ))