關聯規則挖掘步驟及**如下：
設定工作目錄
setwd("e:/project/rexample/enterpresponser_apriori")
載入兩個包
library("matrix")
library("arules")
讀取資料：幫助文件（
）tr<-read.transactions("my_transactions.txt",format="single",sep="\t",cols<-c(1,2),rm.duplicates=true)
其中format表示輸入資料的格式，transactions可以接受兩種資料格式，即single型和basket型
single型表現為兩列，第一列為交易號，第二列為該交易中包含的一項，例如：
1 可樂
1 雪碧
2 芬達
1 美年達
2 王老吉
basket型一行表示一條交易記錄，交易項之間用分隔符分開，分隔符在sep引數中設定：
可樂 雪碧 美年達
芬達 王老吉
當single型資料中包含重複的行時，該方法會報錯。可使用引數 rm.duplicates=true 去除重複的行
也可以在匯入交易資料前先對資料集進行處理，出去重複的行:（
）origindata<-read.table("origindata.txt",...)
dup<-duplicated(origindata) 返回乙個布林向量和前面重複了則為true[flase,false,false,true,false,true......]
rmdupdata<-origindata[!dup,] 返回乙個dataframe只保留了不重複的行
write.table(file="rmdupdata.txt",sep="\t",quote=false,row.names=false) 將去重的datafrme寫入文件
檢視transactions
>tr 輸出tr摘要
>inspect(tr[1:n]) 輸出tr前n行
關聯分析 參考
rules = apriori(tr,parameter = list(support = 0.01,confidence = 0.2))
inspect(sort(rules,by="support")[1:10]) #按支援度檢視前10條規則
inspect(sort(rules,by="confidence")[1:10]) #按置信度檢視前10條規則
itemfrequencyplot(tr,support = 0.05,cex.names =0.8) #資料畫頻繁項的圖
plot(rules, shading="order", control=list(main = "two-key plot")) #見chart.1
plot(rules, method="grouped") #見chart.2
plot(rules, method="graph") #見chart.3
R語言資料探勘2 1 2 1 關聯規則
2.1.2.1 關聯規則 關聯分析可以從海量資料集中發現有意義的關係，這種關係可以表示成關聯規則的形式或頻繁項集的形式。具體的關聯分析演算法將在後面乙個章節中給出。關聯規則挖掘旨在發現給定資料集 事務資料集或其他序列 模式 型別資料集 中的結果規則集合。給定預先定義的最小支援度計數s和置信度c，給定...
資料探勘 關聯規則挖掘
關聯規則 association rule 是資料中所蘊含的一類重要規律。關聯規則挖掘的目標是在資料專案中找出所有的併發關係 cooccurrence relationships 這種關係也稱為關聯 association 關聯規則挖掘的經典應用是購物籃 market basket 關聯規則挖掘並沒...
R語言 資料探勘 R語言如何做關聯規則？
一 前言 提到資料探勘，我們第一反應就是之前聽到的啤酒和尿不濕的故事，該故事就是典型的資料探勘中的關聯規則。購物籃分析區別於傳統的線性回歸的主要區別為，關聯分析針對離散資料 下面我們利用r語言的arules包及apriori演算法對商品交易資料進行關聯規則挖掘,二 常見關聯規則 關聯規則 牛奶 雞蛋...