是无监督机器学习方法,用于知识发现,而非预测,无需事先对训练数据进行打标签,因为无监督学习没有训练这个步骤。缺点是很难对关联规则学习器进行模型评估,一般都可以通过肉眼观测结果是否合理。
一,概念术语
1,项集itermset
如上每个{ }内的都称为一个项集,LHS,RHS成为左右项集,他们之间不能有重复值交集
2,支持度support
项集的支持度就是该项集出现的次数除以总的记录数(交易数),意义是要统计出频繁项集
3,置信度confidence
关联规则 X -> Y 的置信度 计算公式
规则的置信度的意义在于项集{X,Y}同时出现的次数占项集{X}出现次数的比例。发生X的条件下,又发生Y的概率。条件概率
4,提升度 Lift
关联概率准比上原始概率得出,如果提升度很小的值说明关联出来的概率还不如原始概率跟高效,更有说服力,一般的提升度大于3认为会认为挖掘推荐更有意义。
二,生成规则
一般两步:
- 第一步,找出频繁项集。n个item,可以产生2^n- 1 个项集(itemset)。所以,需要指定最小支持度,用于过滤掉非频繁项集。
- 第二部,找出第一步的频繁项集中的规则。n个item,总共可以产生3^n - 2^(n+1) + 1条规则。所以,需要指定最小置信度,用于过滤掉弱规则。
第一步的计算量比第二部的计算量大。
三,Apriori算法
需要加载R里面arules,没有的话自行安装下
源数据:groceries 数据集,每一行代表一笔交易所购买的产品(item)
数据转换:创建稀疏矩阵,每个Item一列,每一行代表一个transaction。1表示该transaction购买了该item,0表示没有购买,arules包的函数read.transactions可以读入源数据并创建稀疏矩阵。
groceries <- read.transactions("data.csv", sep = ",")
data.csv的数据类似如下:
在R语言里面查看这个groceries:
生成规则,共463条
查看具体规则:
按照指定排序来查看规则:
(按照lift排序)
(搜索verries)
可以把过滤好的数据存到csv格式