在 R 中使用 SBRL 进行规则学习答案

【问题标题】：Rule Learning using SBRL in R在 R 中使用 SBRL 进行规则学习
【发布时间】：2017-02-19 14:27:43
【问题描述】：

我正在尝试使用可扩展贝叶斯规则列表模型在 R 中创建一些规则列表。包链接：SBRL Package R

我将数据读入一个列表，分成训练和测试并插入函数

sbrl_model <- sbrl(data_train,iters=20000, pos_sign="1", neg_sign="0",)

这给了我以下错误：

Error in asMethod(object) : 
column(s) 1, 2, 4, 6 not logical or a factor. Discretize the columns first.

当我将 data_train 转换为因子并尝试使用时：

data_train <- sapply(data_train, as.factor)
sbrl_model <- sbrl::sbrl(data_train, iters=20000, pos_sign="1", neg_sign="0",)

我收到以下错误：

 Error in data_train$label : $ operator is invalid for atomic vectors

我的数据有以下列：

状态、金额、时间戳、代码、风险、供应商、标签

标签是 0 或 1。我需要创建规则来检测哪些数据导致 1。

我是 R 新手，所以这看起来很混乱。如果我不转换为因子，它会抱怨，如果我这样做，它就不能使用“$”运算符。任何想法我做错了什么？谢谢

> dput(data_train)
structure(c("PR", "PR", "PR", "PR", "MA", "MA", "NH", "NH", "ME", 
"ME", "ME", "VT", "VT", "CT", "CT", "NJ", "NJ", "NY", "NY", "NY", 
"NY", "NY", "NY", "NY", "PA", "PA", "PA", "PA", "PA", "PA", "PA", 
"PA", "PA", "DE", "VA", "VA", "VA", "WV", "WV", "WV", "WV", "WV", 
"WV", "WV", "WV", "WV", "WV", "WV", "WV", "WV", "WV", "WV", "WV", 
"WV", "WV", "WV", "GA", "GA", "FL", "FL", "FL", "FL", "FL", "FL", 
"AL", "AL", "AL", "TN", "TN", "TN", "MS", "MS", "MS", "KY", "KY", 
"KY", "KY", "KY", "KY", "KY", "KY", "KY", "OH", "OH", "OH", "OH", 
"OH", "OH", "OH", "OH", "OH", "OH", "OH", "OH", "OH", "OH", "IN", 
"IA", "IA", "IA", "IA", "WI", "MN", "MN", "MN", "MN", "MN", "SD", 
"SD", "ND", "ND", "ND", "ND", "ND", "MO", "MO", "MO", "MO", "MO", 
"MO", "MO", "MO", "MO", "MO", "MO", "MO", "KS", "KS", "KS", "KS", 
"KS", "KS", "KS", "16441", "92946", "8970", "19937", "94589", 
"50615", "75915", "50005", "23037", "14835", "83678", "66263", 
"60818", "82760", "42137", "32888", "35385", "20242", "98269", 
"16216", "76562", "49327", "30699", "1866", "91301", "75125", 
"34016", "88673", "78612", "85008", "91030", "57276", "96772", 
"79568", "59489", "14154", "71655", "78163", "41673", "19942", 
"19364", "34004", "79349", "1611", "8875", "19673", "5422", "42395", 
"11899", "26967", "73499", "79916", "71015", "73640", "39759", 
"7735", "84853", "31662", "43183", "44787", "79001", "82999", 
"17031", "88109", "62215", "56040", "66592", "59148", "20786", 
"30106", "46561", "9125", "83512", "60031", "65233", "49512", 
"8893", "46275", "11362", "29867", "61573", "46363", "91510", 
"19267", "45554", "41193", "54267", "8045", "28089", "62450", 
"69082", "66685", "80769", "15446", "62589", "42875", "74723", 
"2934", "18540", "96540", "60812", "50636", "90924", "60556", 
"90009", "15287", "35529", "28702", "82102", "96967", "5296", 
"64804", "48743", "10867", "60914", "83678", "77883", "97631", 
"97175", "48103", "63128", "46774", "18285", "74512", "69313", 
"80414", "32394", "51103", "51155", "28672", "38460", "89024", 
"49443", "2016-01-23 12:14:07", "2016-01-17 19:22:37", "2016-01-23 22:41:32", 
"2016-01-27 09:58:34", "2016-01-30 08:40:06", "2016-01-28 01:41:40", 
"2016-01-27 08:22:27", "2016-01-28 00:13:48", "2016-01-20 12:31:12", 
"2016-01-17 08:25:30", "2016-01-28 13:01:36", "2016-01-20 12:10:46", 
"2016-01-25 07:32:01", "2016-01-23 02:13:11", "2016-01-24 11:14:46", 
"2016-01-16 20:59:35", "2016-01-19 20:12:58", "2016-01-19 06:38:06", 
"2016-01-27 10:15:48", "2016-01-26 14:00:30", "2016-01-28 01:54:45", 
"2016-01-27 05:43:58", "2016-01-25 22:07:06", "2016-01-18 09:58:05", 
"2016-01-20 05:56:54", "2016-01-26 08:05:32", "2016-01-28 14:18:45", 
"2016-01-22 06:25:48", "2016-01-27 18:05:50", "2016-01-16 11:33:47", 
"2016-01-22 03:31:52", "2016-01-23 05:41:37", "2016-01-27 00:55:22", 
"2016-01-16 17:19:51", "2016-01-18 10:05:42", "2016-01-22 10:20:16", 
"2016-01-26 21:07:20", "2016-01-17 19:12:00", "2016-01-19 17:59:45", 
"2016-01-28 08:50:18", "2016-01-16 09:31:52", "2016-01-24 14:50:13", 
"2016-01-17 14:02:36", "2016-01-20 17:08:29", "2016-01-25 16:42:03", 
"2016-01-19 04:18:27", "2016-01-20 03:05:13", "2016-01-26 23:34:33", 
"2016-01-26 13:44:56", "2016-01-16 07:09:41", "2016-01-26 06:43:12", 
"2016-01-26 20:22:25", "2016-01-23 05:58:38", "2016-01-19 23:21:00", 
"2016-01-16 08:36:10", "2016-01-30 01:21:00", "2016-01-23 11:10:06", 
"2016-01-27 15:29:30", "2016-01-30 15:50:38", "2016-01-19 08:32:33", 
"2016-01-19 18:18:02", "2016-01-21 14:20:47", "2016-01-17 13:19:59", 
"2016-01-20 05:49:06", "2016-01-16 15:54:17", "2016-01-21 09:15:42", 
"2016-01-16 07:32:39", "2016-01-28 03:49:00", "2016-01-26 00:19:56", 
"2016-01-25 10:29:44", "2016-01-23 06:26:45", "2016-01-29 08:03:34", 
"2016-01-22 14:24:34", "2016-01-16 18:44:43", "2016-01-26 00:00:51", 
"2016-01-20 17:38:03", "2016-01-17 22:38:47", "2016-01-30 10:12:01", 
"2016-01-21 17:00:43", "2016-01-22 08:43:30", "2016-01-27 12:04:58", 
"2016-01-25 21:09:40", "2016-01-27 16:35:42", "2016-01-27 20:09:03", 
"2016-01-27 09:52:40", "2016-01-26 16:12:37", "2016-01-28 16:57:29", 
"2016-01-30 13:48:47", "2016-01-30 19:15:03", "2016-01-24 19:33:56", 
"2016-01-28 06:57:55", "2016-01-22 18:21:40", "2016-01-16 02:54:57", 
"2016-01-23 08:18:44", "2016-01-20 13:47:54", "2016-01-24 16:23:39", 
"2016-01-24 19:15:09", "2016-01-22 14:59:14", "2016-01-30 10:21:43", 
"2016-01-27 11:54:39", "2016-01-30 15:19:59", "2016-01-24 19:21:48", 
"2016-01-27 07:20:14", "2016-01-25 07:11:55", "2016-01-24 22:33:42", 
"2016-01-26 14:30:57", "2016-01-16 13:12:46", "2016-01-28 11:25:45", 
"2016-01-28 14:44:25", "2016-01-23 03:25:10", "2016-01-26 13:45:49", 
"2016-01-19 06:14:21", "2016-01-25 22:12:29", "2016-01-25 12:13:07", 
"2016-01-22 23:56:39", "2016-01-24 07:51:51", "2016-01-24 10:50:30", 
"2016-01-21 07:02:41", "2016-01-21 09:52:54", "2016-01-26 22:35:52", 
"2016-01-19 06:48:13", "2016-01-19 15:18:21", "2016-01-20 12:20:37", 
"2016-01-16 07:04:34", "2016-01-24 10:20:05", "2016-01-25 09:01:09", 
"2016-01-21 17:02:29", "2016-01-21 11:52:00", "2016-01-27 19:39:16", 
"2016-01-19 18:33:35", "2016-01-18 06:00:23", "2016-01-17 01:27:11", 
"2016-01-18 10:27:57", "3355", "4935", "5454", "9555", "5938", 
"5855", "4888", "3885", "8533", "4359", "5339", "5554", "5894", 
"8598", "5448", "9535", "3495", "3358", "3485", "3344", "8489", 
"8553", "3354", "5889", "5948", "8455", "5988", "5595", "9354", 
"8485", "4559", "4838", "5585", "5585", "8554", "8598", "5535", 
"5355", "5844", "3485", "5885", "8833", "8558", "9889", "9885", 
"8555", "3938", "8343", "8558", "5484", "3558", "3545", "8394", 
"9933", "3853", "4598", "3855", "5845", "5588", "5495", "8585", 
"9584", "3385", "8858", "9445", "8488", "8558", "5838", "5848", 
"8845", "8848", "8945", "4599", "8585", "8858", "4598", "5358", 
"5395", "9485", "4893", "4455", "8493", "9358", "5395", "8958", 
"5888", "8888", "8555", "4885", "3538", "8998", "4445", "4838", 
"9885", "3559", "5584", "9594", "8558", "3844", "5434", "8558", 
"9898", "4395", "9585", "3858", "4858", "5895", "9383", "9858", 
"8385", "5585", "4884", "8359", "8893", "3484", "8383", "5338", 
"3544", "9859", "9454", "3539", "3583", "8455", "5983", "4345", 
"4943", "5548", "8353", "8993", "8594", "8994", "3958", "3989", 
"W sWn  ae", "o gogynh ", " ntsnagWe", "aiatteaav", "shiytWngg", 
"vvmthethW", "Wynhvrrht", "tttnheviv", "itg oiWhe", "a enotisn", 
"ehaothe h", "stmeathng", "i emranth", "tersggtnh", "oeiehvhh ", 
"sngeeetvg", "gyyhWatge", "ritnhengs", "etihi s e", "aoeertyWn", 
"eeytitys ", "nmnmegome", "n vitsnot", " h i eoht", "ahghtangh", 
"ehgn hynh", "ener aeig", "t niaat g", "agtWh eah", "vehi amae", 
"enhnnn hg", "ennWhgnea", "tay hnaah", "igntyvrtv", "niesehahn", 
" eoavongr", "hi ehhimm", "yovgianWi", "e tnehngg", "eyehtte n", 
"at nimnrg", "enesgennW", "mhahnhyet", "tt amtgna", "hehtsoish", 
"hyvtanggv", "et v nssn", "inhnahe h", "onahhraWn", "mn iiahsy", 
" mymisnsg", "magWoshgr", "i t eneve", "nghy naen", "eyhsyehea", 
"i ihntvea", "ththnWyri", "vntv yran", "ynaieere ", "yenre htW", 
"ehyWga g ", "ngeagmenh", " nW ytito", "ermhaagvr", "eeWvtr eg", 
"etreaehon", "thtWyerme", "hnveWnrta", "htmr ohee", "stitnthsi", 
"snthhWh a", "ehhth iny", "shgoovema", " mseynWee", "netmiitnt", 
"nvi   eao", "t  seWWay", "yngnerarm", "ggenitaeh", "n eaogiag", 
"mitnetmnh", "not sine ", "ghmhnyhne", "eattnatgh", "vhatngtts", 
"tntmegten", "hreyatert", "ggmneheri", "g y en he", "igrt ggrh", 
"mehnssith", "gigstgnym", "iathWh ii", "h atynin ", "eiieWmetg", 
"noyggtive", " iotneng ", "oveieteen", "shnagrhti", "itooo aWv", 
"toreytnny", " henaaWvn", "shehnrh W", "ttrntehgi", "oWait tn ", 
"hhshhnthh", "nogeamnme", "iraah thh", "eto ngvgr", "Wno tseie", 
"ehnato eW", "anservnhn", "htsyyoarv", "n  aththe", "vaneav  h", 
"tmttvniri", "gtmhgrtgv", "h tmtnvgt", " nnaiygnr", "httot ami", 
"hehnheeis", "ihtaneito", "eogh h yg", "eWgeiimv ", "sgnyisihh", 
"r  ngangW", "teihyaeee", "hrytWnhgi", "nniaeavmh", "iotrWehn ", 
" gnvgorht", "vyinaaen ", "tgniiseae", "14", "86", "51", "54", 
"90", "15", "23", "49", "6", "45", "65", "55", "53", "52", "55", 
"84", "74", "74", "45", "88", "4", "76", "65", "41", "77", "40", 
"66", "39", "80", "6", "35", "56", "40", "57", "90", "66", "59", 
"30", "98", "31", "55", "12", "29", "67", "85", "16", "94", "87", 
"61", "55", "94", "95", "68", "10", "45", "41", "93", "55", "13", 
"12", "80", "45", "59", "23", "45", "1", "68", "89", "86", "68", 
"46", "50", "57", "78", "85", "40", "53", "26", "67", "75", "29", 
"78", "91", "35", "37", "10", "90", "36", "9", "14", "36", "31", 
"5", "57", "90", "65", "48", "80", "20", "13", "92", "62", "72", 
"71", "52", "50", "16", "92", "79", "9", "97", "78", "69", "50", 
"84", "96", "82", "95", "44", "2", "76", "13", "1", "16", "65", 
"75", "91", "30", "60", "62", "97", "86", "82", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "1", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "1", "0", "0", "0", "0", 
"0", "0", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "1", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0", 
"0", "1", "0", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0", 
"0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "1"
), .Dim = c(133L, 7L), .Dimnames = list(NULL, c("state", "amounts", 
"timestamp", "code", "vendor", "risk", "label")))

【问题讨论】：

标签： r machine-learning rules

【解决方案1】：

问题在于您试图将整个 data.frame 变成一个因子，而不仅仅是 1 列。这导致了一个充满垃圾的原子向量，因此您收到了错误消息。

这行得通：

data_train           <- as.data.frame(data_train)
data_train$state     <- as.factor(data_train$state)
data_train$amounts   <- as.factor(as.character(data_train$amounts))
data_train$timestamp <- as.factor(data_train$timestamp)
data_train$code      <- as.factor(data_train$code)
data_train$vender    <- as.factor(data_train$vender)
data_train$label     <- as.factor(data_train$label)

sbrl_model <- sbrl(data_train, iters=20000, pos_sign="1", neg_sign="0",)

create itemset ... 
set transactions ...[48 item(s), 8 transaction(s)] done [0.00s].
sorting and recoding items ... [48 item(s)] done [0.00s].
creating sparse bit matrix ... [48 row(s), 8 column(s)] done [0.00s].
writing  ... [48 set(s)] done [0.00s].
Creating S4 object  ... done [0.00s].
Eclat

parameter specification:
 tidLists support minlen maxlen            target   ext
    FALSE     0.1      1      1 frequent itemsets FALSE

algorithmic control:
 sparse sort verbose
      7   -2    TRUE

Absolute minimum support count: 12 

create itemset ... 
set transactions ...[469 item(s), 125 transaction(s)] done [0.00s].
sorting and recoding items ... [4 item(s)] done [0.00s].
creating sparse bit matrix ... [4 row(s), 125 column(s)] done [0.00s].
writing  ... [4 set(s)] done [0.00s].
Creating S4 object  ... done [0.00s].

【讨论】：

谢谢！那是我的粗心。
肯定是因为它们都被转换为您可以使用的因子lapply(data_train, function(x) as.factor(as.character(x)))?
@Joiya550 没问题，很高兴它有效。好问题顺便说一句 +1。
@zacdav 它们不一定都是因素。可能是合乎逻辑的。还有另一列是数字的，它没有抱怨，所以我把它保留为数字。
@Hack-R 难道我的建议还不能处理所有情况吗？