原文链接：http://tecdat.cn/?p=22732 

原文出处：拓端数据部落公众号

 

关联规则挖掘是一种无监督的学习方法，从交易数据中挖掘规则。它有助于找出数据集中的关系和一起出现的项目。在这篇文章中，我将解释如何在R中提取关联规则。
关联规则模型适用于交易数据。交易数据的一个例子可以是客户的购物历史。

数据分析的第一件事是了解目标数据结构和内容。出于学习的目的，我认为使用一个简单的数据集更好。一旦我们知道了这个模型，就可以很容易地把它应用于更复杂的数据集。

在这里，我们使用杂货店的交易数据。首先，我们创建一个数据框并将其转换为交易类型。

读取数据

1.   n=500 # 交易数量
2.    
3.   trans <- data.frame() # 收集数据的数据框架

创建数据并将其收集到交易数据框中。

1.   for(i in 1:n)
2.   {
3.   count <- sample(1:3, 1) # 从1到3的物品计数
4.   如果(i %% 2 == 1)
5.   {
6.   if(!add_product %in% selected)
7.   {
8.   tran <- data.frame(items = add_product, tid = i)

检查交易数据框中的数据。

接下来，我们需要将生成的数据框转换为交易数据类型。 

1.    
2.   as(split([, "items"], [, "tid"]), "transa")

为了检查交易数据的内容，我们使用 inspect() 命令。 

挖掘规则

sort(rules_1, dby = "confidence")

.......

我们从上面的列表中获取第一个rhs项（规则后项）来检查该项的规则。但如果你知道目标项目，可以在参数中只写rhs="melon"。 

1.   inspect(rules_1@rhs[1])
2.    

> rhs_item <- gsub("\\}","", rhs)

我们为我们的rhs_item建立规则

按 "置信度 "排序并检查规则

1.    
2.   sort(rules_2, "confidence")

结果可视化

最后，我们从规则集_2中绘制出前5条规则。

> plot(rules_2[1:5])

绘制全部规则

交互可视化

绘制出前5条规则

1.   precision = 3
2.   igraphLayout = layout_nicely
3.   list(nodes = nodes, edges = edges, nodesToDataframe = nodesToDataframe,
4.   edgesToDataframe = edgesToDataframe,
5.   x$legend <- legend
6.   htmlwidgets::createWidget( x, width = width,
7.   height = height)

绘制全部规则

---

​

最受欢迎的见解

1.采用spss-modeler的web复杂网络对所有腧穴进行分析

2.用R语言和python进行社交网络中的社区检测

3.R语言文本挖掘NASA数据网络分析，tf-idf和主题建模

4.在R语言中使用航空公司复杂网络对疫情进行建模

5.python隶属关系图模型 基于模型的网络中密集重叠社区检测

6.使用Python和SAS Viya分析社交网络

7.关联网络分析：已迁离北京外来人口的数据画像

8.情感语义网络：游记数据感知旅游目的地形象

9.用关联规则数据挖掘探索药物配伍中的规律