用R语言Apriori算法探索杂货店交易数据，并进行互动可视化分析
最编程
2024-01-21 14:55:13
...
关联规则挖掘是一种无监督的学习方法，从交易数据中挖掘规则。它有助于找出数据集中的关系和一起出现的项目。在这篇文章中，我将解释如何在R中提取关联规则。
关联规则模型适用于交易数据。交易数据的一个例子可以是客户的购物历史。
数据分析的第一件事是了解目标数据结构和内容。出于学习的目的，我认为使用一个简单的数据集更好。一旦我们知道了这个模型，就可以很容易地把它应用于更复杂的数据集。
在这里，我们使用杂货店的交易数据。首先，我们创建一个数据框并将其转换为交易类型。
读取数据
n=500 # 交易数量
trans <- data.frame() # 收集数据的数据框架创建数据并将其收集到交易数据框中。
for(i in 1:n)
{
count <- sample(1:3, 1) # 从1到3的物品计数
如果(i %% 2 == 1)
{
if(!add_product %in% selected)
{
tran <- data.frame(items = add_product, tid = i)检查交易数据框中的数据。
接下来，我们需要将生成的数据框转换为交易数据类型。
as(split([, "items"], [, "tid"]), "transa")
为了检查交易数据的内容，我们使用 inspect() 命令。
挖掘规则
sort(rules_1, dby = "confidence")
.......
我们从上面的列表中获取第一个rhs项（规则后项）来检查该项的规则。但如果你知道目标项目，可以在参数中只写rhs="melon"。
inspect(rules_1@rhs[1])
> rhs_item <- gsub("\\}","", rhs)
我们为我们的rhs_item建立规则
按 "置信度 "排序并检查规则
sort(rules_2, "confidence")
结果可视化
最后，我们从规则集_2中绘制出前5条规则。
> plot(rules_2[1:5])
绘制全部规则
交互可视化
绘制出前5条规则
precision = 3
igraphLayout = layout_nicely
list(nodes = nodes, edges = edges, nodesToDataframe = nodesToDataframe,
edgesToDataframe = edgesToDataframe,
x$legend <- legend
htmlwidgets::createWidget( x, width = width,
height = height)
绘制全部规则
