使用 R 中的 arules 包进行重复交易的关联分析答案

【问题标题】：Association analysis with duplicate transactions using arules package in R使用 R 中的 arules 包进行重复交易的关联分析
【发布时间】：2013-06-13 12:43:39
【问题描述】：

我想创建一个篮子格式的交易对象，我可以随时调用它进行分析。数据包含 1001 个事务的逗号分隔项。前 10 笔交易如下所示：

hering,corned_b,olives,ham,turkey,bourbon,ice_crea
baguette,soda,hering,cracker,heineken,olives,corned_b
avocado,cracker,artichok,heineken,ham,turkey,sardines
olives,bourbon,coke,turkey,ice_crea,ham,peppers
hering,corned_b,apples,olives,steak,avocado,turkey
sardines,heineken,chicken,coke,ice_crea,peppers,ham
olives,bourbon,coke,turkey,ice_crea,heineken,apples
corned_b,peppers,bourbon,cracker,chicken,ice_crea,baguette
soda,olives,bourbon,cracker,heineken,peppers,baguette
corned_b,peppers,bourbon,cracker,chicken,bordeaux,hering
...

我观察到数据中有重复的事务并将它们删除，但每次我尝试读取事务时，我都会得到：

asMethod(object) 中的错误：无法强制列表包含重复项目的交易

这是我的代码：

data <- read.csv("AssociationsItemList.txt",header=F)
data <-  data[!duplicated(data),]
pop <- NULL
for(i in 1:length(data)){
pop <- paste(pop, data[i],sep="\n")
}
write(pop, file = "Trans", sep = ",")
transdata <- read.transactions("Trans", format = "basket", sep=",")

我确定我错过了一些小而重要的事情。请提供您的帮助。

【问题讨论】：

对不起，你写的是 csv 它看起来像（或类似的东西）你最后尝试了 read.csv 或 read.table 吗？
上面的事务文件是如何创建没有头列的

标签： r arules market-basket-analysis

【解决方案1】：

问题不在于重复事务（同一行出现两次）但重复的项目（相同的项目出现两次，在同一个交易中—— 例如，第 4 行的“橄榄”）。

read.transactions 有一个 rm.duplicates 参数来删除这些重复项。

read.transactions("Trans", format = "basket", sep=",", rm.duplicates=TRUE)

【讨论】：

您介意解释一下为什么不允许在同一交易中重复项目吗？例如，如果您想表明您购买的橄榄数量是正常数量的两倍怎么办？例如，在我的交易数据中有一个数量列，我不知道如何解释它
我认为这种信息不是APRIORI处理的。

【解决方案2】：

Vincent Zoonekynd 是对的，问题是由交易中的重复项目引起的。在这里我可以解释为什么arules 要求事务没有重复项。

transactions 的数据在内部存储为ngCMatrix 对象。相关源码：

setClass("itemMatrix",
  representation(
    data        = "ngCMatrix", 
...
setClass("transactions",
  contains = "itemMatrix",
...

ngCMatrix 是在Matrix 包中定义的稀疏矩阵。官方文档中的描述：

nsparseMatrix 类是稀疏“模式”矩阵的虚拟类，即概念上具有 TRUE/FALSE 条目的二进制矩阵。仅存储为 TRUE 的元素的位置

似乎ngCMatirx 通过二进制指示符 存储了元素的状态。也就是说arules中的transactions对象只能存储一个交易对象的存在/不存在，不能记录数量。所以...

【讨论】：

【解决方案3】：

我只是使用了“唯一”功能来删除重复项。我的数据有点不同，因为我有一个数据框（数据对于 CSV 来说太大了）并且我有 2 列：product_id 和 transaction_id。我知道这不是您的具体问题，但我必须这样做才能创建交易数据集并应用关联规则。

data # > 1 Million Transactions 
data <- unique(data[ , 1:2 ] )
trans <- as(split(data[,"product_id"], data[,"trans_id"]),"transactions")
rules <- apriori(trans, parameter = list(supp = 0.001, conf = 0.2))

【讨论】：