《数据科学：R语言实战》一1.3　关联规则

1.3　关联规则

关联规则说明了两个数据集之间的关联。此规则常用于购物篮分析。一组事务中的每个事务（购物袋）可能包含多个不同项目，那么如何能够让产品销售有关联呢？常见关联如下所示。

• 支持度：这是事务同时包含A和B的百分比。
• 置信度：这是事物已经包含A的情况下包含B的百分比（规则正确）。
• 提升度：这是置信度与包含B情况下百分比的比率。请注意：若提升度为

1，则A和B是独立的。
关联的挖掘
在关联规则中，R中广泛使用的工具是apriori。

1．用法
可调用apriori规则的程序库，如下所示：

apriori(data, parameter = NULL, appearance = NULL, control = NULL)

下表对apriori程序库的不同参数进行了说明。

2．示例
需要加载apriori规则的程序库，如下所示：

> install.packages("arules")
> library(arules)

加载购物篮数据：

> data <- read.csv("http://www.salemmarafi.com/wp-content/
uploads/2014/03/groceries.csv")

然后，我们可以从数据中生成规则：

> rules <- apriori(data)

parameter specification:
confidenceminvalsmaxaremavaloriginalSupport support minlenmaxlen
target
        0.8     0.1     1 none FALSE        TRUE       0.1     1
10  rules
    ext
  FALSE

algorithmic control:
  filter tree heap memopt load sort verbose
     0.1 TRUE TRUE  FALSE TRUE  2   TRUE

apriori - find association rules with the apriori algorithm
version 4.21 (2004.05.09)    (c) 1996-2004      Christian Borgelt
set item appearances ...[0 item(s)] done [0.00s].
set transactions ...[655 item(s), 15295 transaction(s)] done [0.00s].
sorting and recoding items ... [3 item(s)] done [0.00s].
creating transaction tree ... done [0.00s].
checking subsets of size 1 2 3 done [0.00s].
writing ... [5 rule(s)] done [0.00s].
creating S4 object ...  done [0.00s].

在结果中有若干个突出的点：

正如从显示中所见，我们使用默认设置（置信度为0.8等）。
我们发现三个项目中有15295个事务（从655个全部可用项目中选取）。
我们生成了五个规则。
我们可以对已生成的规则进行检查，如下所示：

> rules

set of 5 rules
> inspect(rules)

lhsrhs              support confidence              lift
1 {semi.finished.bread=}    => {margarine=}         0.2278522 1
2.501226
2 {semi.finished.bread=}    => {ready.soups=}       0.2278522 1
1.861385
3 {margarine=}              => {ready.soups=}       0.3998039 1
1.861385
4 {semi.finished.bread=,
   margarine=}              => {ready.soups=}       0.2278522 1
1.861385
5 {semi.finished.bread=,
   ready.soups=}            => {margarine=}         0.2278522 1
2.501226

为了方便阅读，对代码的格式做了微调整。

仔细观察这些规则，发现在市场上购买面包、汤及人造黄油之间确实存在关系，至少在市场收集数据的时候是这样。

如果我们改变了计算中使用的参数（阈值），就会得到一组不同的规则。例如，核实下列代码：

> rules <- apriori(data, parameter = list(supp = 0.001, conf = 0.8))

此代码生成了500多个规则，但是这些规则的含义值得质疑，原因在于，目前规则的置信度为0.001。