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。
创建数据并将其收集到交易数据框中。
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。
为了检查交易数据的内容,我们使用 inspect() 命令。
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"。
> 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
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
绘制出前5条规则
绘制全部规则
最受欢迎的见解
1.采用spss-modeler的web复杂网络对所有腧穴进行分析
2.用R语言和python进行社交网络中的社区检测
3.R语言文本挖掘NASA数据网络分析,tf-idf和主题建模
4.在R语言中使用航空公司复杂网络对疫情进行建模
5.python隶属关系图模型 基于模型的网络中密集重叠社区检测
6.使用Python和SAS Viya分析社交网络
7.关联网络分析:已迁离北京外来人口的数据画像
8.情感语义网络:游记数据感知旅游目的地形象
9.用关联规则数据挖掘探索药物配伍中的规律