原文鏈接：http://tecdat.cn/?p=22732

原文出處：拓端數(shù)據(jù)部落公眾號

關(guān)聯(lián)規(guī)則分析是一種揭示項目如何相互關(guān)聯(lián)的技術(shù)。關(guān)聯(lián)規(guī)則分析也稱為購物籃分析。在這篇文章中，我將解釋關(guān)聯(lián)規(guī)則模型以及如何在R中提取關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則模型適用于交易數(shù)據(jù)（查看文末了解數(shù)據(jù)獲取方式）。交易數(shù)據(jù)的一個例子可以是客戶的購物歷史。

視頻：R語言關(guān)聯(lián)規(guī)則模型(Apriori算法)挖掘雜貨店的交易數(shù)據(jù)與交互可視化

關(guān)聯(lián)規(guī)則模型、Apriori算法及R語言挖掘雜貨店交易數(shù)據(jù)與交互可視化

?

，時長07:03

問題

當我們?nèi)ルs貨店購物時，我們通常有一個標準的購物清單。每個購物者都有一份獨特的清單，具體取決于個人的需求和偏好。家庭主婦可能會為家庭晚餐購買健康食材，而單身漢可能會購買啤酒和薯條。了解這些購買模式可以通過多種方式幫助增加銷售額。如果有一對經(jīng)常一起購買的物品 X 和 Y：X 和 Y 都可以放在同一個貨架上，這樣會提示購買一件商品的買家購買另一件商品。

雖然我們可能知道某些物品經(jīng)常一起購買，但問題是，我們?nèi)绾伟l(fā)現(xiàn)這些關(guān)聯(lián)？

定義

方法一：支持度。這表示項目集的受歡迎程度，以項目集出現(xiàn)的交易比例來衡量。在下圖中，啤酒?的支持度為5份中的 3 份，即 60%。

如果您發(fā)現(xiàn)超過一定比例的商品銷售往往會對您的利潤產(chǎn)生重大影響，您可以考慮將該比例作為您的支持度門檻。然后，您可以將支持值高于此閾值的項集標識為重要項集。

方法2：置信度。這表示在購買商品 X 時購買商品 Y 的可能性有多大，表示為 {X 箭頭 Y}。這是通過與項目 X 的交易比例來衡量的，其中項目 Y 也出現(xiàn)。在交易中，啤酒對薯條的置信度為3份中的2份，即67%。

置信度度量的一個缺點是它可能會歪曲關(guān)聯(lián)的重要性。這是因為它只考慮了啤酒的受歡迎程度，而不考慮薯條。如果薯條通常也很受歡迎，那么包含啤酒的交易也將包含薯條的可能性更高，從而夸大了置信度。為了說明這兩個組成項目的基本受歡迎程度，我們使用了第三種度量，稱為提升度。

方法3：提升度。這表示在購買商品X時購買商品Y的可能性有多大，同時控制商品Y的受歡迎程度。在上述交易 中，啤酒 對 薯條 的提升為1.11，這意味著項目之間有關(guān)聯(lián)。提升值大于 1 表示如果購買了商品 X，則很可能購買商品 Y，而小于 1 的值表示如果購買了商品 X，則不太可能購買商品 Y。

但是，企業(yè)主通常不會詢問單個項集。相反，所有者會對擁有完整的流行項集列表更感興趣。要獲得此列表，需要計算每個可能的項目組合的支持值，然后將滿足最小支持閾值的項目集列入候選名單。

在只有 10 件商品的商店中，要檢查的可能組合總數(shù)將高達 1023 種。在擁有數(shù)百件商品的商店中，這個數(shù)字呈指數(shù)增長。

有沒有辦法減少要考慮的項目配置數(shù)量？

apriori算法

apriori原理可以減少我們需要檢查的項目集的數(shù)量。簡而言之，apriori原理指出，如果一個項目集是不頻繁的，那么它的所有子集也必須是不頻繁的。這意味著，如果發(fā)現(xiàn) {蘋果} 不常見，在合并流行項集列表時，我們不需要考慮 蘋果和啤酒組合，也不需要考慮任何其他包含蘋果的項集組合。

尋找高支持項集

使用 apriori 原理，可以修剪需要檢查的項集的數(shù)量，并且可以通過以下步驟獲得熱門項集的列表：

步驟 0。從只包含一個項目的項目集開始，例如 {啤酒} 和 {草莓}。

步驟 1。確定項集的支持。保留滿足最小支持閾值的項集，并刪除不滿足的項集。

步驟 2。使用您在步驟 1 中保留的項集，生成所有可能的項集配置。

步驟 3。重復(fù)步驟 1 和 2，直到不再有新項集。

下面的動畫說明了這個迭代過程：

使用 Apriori 算法減少候選項集

正如動畫中所見，{蘋果} 被確定為支持度較低，因此將其刪除，并且不需要考慮所有其他包含 蘋果?的項集配置。這將要考慮的項目集的數(shù)量減少了一半以上。

請注意，您在步驟 1 中選擇的支持閾值可能基于正式分析或過去的經(jīng)驗。如果您發(fā)現(xiàn)超過一定比例的商品銷售往往會對您的利潤產(chǎn)生重大影響，您可以考慮使用該比例作為您的支持門檻。

R語言關(guān)聯(lián)規(guī)則模型(Apriori算法)挖掘雜貨店的交易數(shù)據(jù)與交互可視化

關(guān)聯(lián)規(guī)則挖掘是一種無監(jiān)督的學習方法，從交易數(shù)據(jù)中挖掘規(guī)則。它有助于找出數(shù)據(jù)集中的關(guān)系和一起出現(xiàn)的項目。在這篇文章中，我將解釋如何在R中提取關(guān)聯(lián)規(guī)則。
關(guān)聯(lián)規(guī)則模型適用于交易數(shù)據(jù)。交易數(shù)據(jù)的一個例子可以是客戶的購物歷史。

數(shù)據(jù)分析的第一件事是了解目標數(shù)據(jù)結(jié)構(gòu)和內(nèi)容。出于學習的目的，我認為使用一個簡單的數(shù)據(jù)集更好。一旦我們知道了這個模型，就可以很容易地把它應(yīng)用于更復(fù)雜的數(shù)據(jù)集。

在這里，我們使用雜貨店的交易數(shù)據(jù)。首先，我們創(chuàng)建一個數(shù)據(jù)框并將其轉(zhuǎn)換為交易類型。

讀取數(shù)據(jù)

1. n=500?#?交易數(shù)量

2. 


3. trans?<-?data.frame()?#?收集數(shù)據(jù)的數(shù)據(jù)框架

創(chuàng)建數(shù)據(jù)并將其收集到交易數(shù)據(jù)框中。

1. for(i?in?1:n)

2. {

3. ??count?<-?sample(1:3,?1)?#?從1到3的物品計數(shù)

4. ??如果(i?%%?2?==?1)

5. ??{

6. ????if(!add_product?%in%?selected)

7. ????{

8. ??????tran?<-?data.frame(items?=?add_product,?tid?=?i)

檢查交易數(shù)據(jù)框中的數(shù)據(jù)。

接下來，我們需要將生成的數(shù)據(jù)框轉(zhuǎn)換為交易數(shù)據(jù)類型。

?as(split(\[,?"items"\],?\[,?"tid"\]),?"transa")

為了檢查交易數(shù)據(jù)的內(nèi)容，我們使用 inspect() 命令。?

挖掘規(guī)則

sort(rules_1,?dby?=?"confidence")

.......

我們從上面的列表中獲取第一個rhs項（規(guī)則后項）來檢查該項的規(guī)則。但如果你知道目標項目，可以在參數(shù)中只寫rhs="melon"。

?inspect(rules_1@rhs\[1\])

>?rhs_item?<-?gsub("\\\}","",?rhs)

我們?yōu)槲覀兊膔hs_item建立規(guī)則

按 "置信度 "排序并檢查規(guī)則

sort(rules_2,?"confidence")

結(jié)果可視化

最后，我們從規(guī)則集_2中繪制出前5條規(guī)則。

>?plot(rules_2\[1:5\])

圖1

繪制全部規(guī)則

圖2

交互可視化

繪制出前5條規(guī)則

1. precision ? ??=??3

2. igraphLayout ? ??=??layout_nicely

3. list(nodes?=?nodes,?edges?=?edges,?nodesToDataframe?=?nodesToDataframe,?

4. ????????????edgesToDataframe?=?edgesToDataframe,

5. x$legend?<-?legend

6. ????htmlwidgets::createWidget(?x,?width?=?width,?

7. ????????height?=?height)

圖3

繪制全部規(guī)則

圖4

圖5

數(shù)據(jù)獲取

在下面公眾號后臺回復(fù)“商店數(shù)據(jù)”，可獲取完整數(shù)據(jù)。

點擊文末“閱讀原文”

獲取全文完整資料。

本文選自《R語言關(guān)聯(lián)規(guī)則模型(Apriori算法)挖掘雜貨店的交易數(shù)據(jù)與交互可視化》。

點擊標題查閱往期內(nèi)容

R語言用關(guān)聯(lián)規(guī)則和聚類模型挖掘處方數(shù)據(jù)探索藥物配伍中的規(guī)律

用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對所有腧穴進行關(guān)聯(lián)規(guī)則分析

PYTHON在線零售數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘APRIORI算法數(shù)據(jù)可視化

R語言關(guān)聯(lián)規(guī)則模型(Apriori算法)挖掘雜貨店的交易數(shù)據(jù)與交互可視化

R語言關(guān)聯(lián)挖掘?qū)嵗ㄙ徫锘@分析）

python關(guān)聯(lián)規(guī)則學習：FP-Growth算法對藥品進行“菜籃子”分析

基于R的FP樹fp growth 關(guān)聯(lián)數(shù)據(jù)挖掘技術(shù)在煤礦隱患管理

python關(guān)聯(lián)規(guī)則學習：FP-Growth算法對藥品進行“菜籃子”分析

通過Python中的Apriori算法進行關(guān)聯(lián)規(guī)則挖掘

Python中的Apriori關(guān)聯(lián)算法-市場購物籃分析

R語言用關(guān)聯(lián)規(guī)則和聚類模型挖掘處方數(shù)據(jù)探索藥物配伍中的規(guī)律

在R語言中輕松創(chuàng)建關(guān)聯(lián)網(wǎng)絡(luò)

python主題建?？梢暬疞DA和T-SNE交互式可視化

R語言時間序列數(shù)據(jù)指數(shù)平滑法分析交互式動態(tài)可視化

用R語言制作交互式圖表和地圖

如何用r語言制作交互可視化報告圖表