我生成了一个包含两个不同列的数据集:一个与客户相关的ID列和另一个与他/她的活动产品相关的列:
head(df_itemList)
ID PRD_LISTE
1 1 A,B,C
3 2 C,D
4 3 A,B
5 4 A,B,C,D,E
7 5 B,A,D
8 6 A,C,D
我只选择了拥有一种以上产品的客户。我总共有589.454行,有16种不同的产品。
接下来,我将data.frame写入一个csv文件,如下所示:
df_itemList$ID <- NULL
colnames(df_itemList) <- c("itemList")
write.csv(df_itemList, "Basket_List_13-08-2020.csv", row.names = TRUE)
然后,我将csv文件转换为篮子格式,以便应用arules包中实现的apriori算法。
library(arules)
txn <- read.transactions(file="Basket_List_13-08-2020.csv",
rm.duplicates= TRUE, format="basket",sep=",",cols=1)
txn@itemInfo$labels <- gsub(""","",txn@itemInfo$labels)
摘要函数产生以下输出:
summary(txn)
transactions as itemMatrix in sparse format with
589455 rows (elements/itemsets/transactions) and
1737 columns (items) and a density of 0.0005757052
most frequent items:
A,C A,B C,F C,D
57894 32150 31367 29434
A,B,C (Other)
29035 409575
element (itemset/transaction) length distribution:
sizes
1
589455
Min. 1st Qu. Median Mean 3rd Qu. Max.
1 1 1 1 1 1
includes extended item information - examples:
labels
1 G,H,I,A,B,C,D,F,J
2 G,H,I,A,B,C,F
3 G,H,I,A,B,K,D
includes extended transaction information - examples:
transactionID
1
2 1
3 3
现在,我尝试运行apriori算法:
basket_rules <- apriori(txn, parameter = list(sup = 1e-15,
conf = 1e-15, minlen = 2, target="rules"))
这是输出:
Apriori
Parameter specification:
confidence minval smax arem aval originalSupport maxtime support minlen maxlen target ext
0.01 0.1 1 none FALSE TRUE 5 1e-15 2 10 rules TRUE
Algorithmic control:
filter tree heap memopt load sort verbose
0.1 TRUE TRUE FALSE TRUE 2 TRUE
Absolute minimum support count: 0
set item appearances ...[0 item(s)] done [0.00s].
set transactions ...[1737 item(s), 589455 transaction(s)] done [0.20s].
sorting and recoding items ... [1737 item(s)] done [0.00s].
creating transaction tree ... done [0.16s].
checking subsets of size 1 done [0.00s].
writing ... [0 rule(s)] done [0.00s].
creating S4 object ... done [0.04s].
即使支持率和信心低得离谱,也不会产生任何规则。。。
summary(basket_rules)
set of 0 rules
这真的是因为我的数据集吗?还是我的代码有错误?
您的摘要显示数据未正确读入:
most frequent items:
A,C A,B C,F C,D
57894 32150 31367 29434
A,B,C (Other)
29035 409575
看起来像";A、 C";被读取为一个项目,但它应该是两个项目";A";以及";C";。分隔字符不起作用。我想这可能是因为文件中有引号。确保Basket_List_13-08-2020.csv
看起来正确。此外,在读取事务时,需要使用skip = 1
跳过第一行(标头(。
@Michael我现在很确定我正在读取的.csv文件有问题。由于还有其他人遇到了类似的问题,我猜测这是错误的常见原因。你能描述一下.csv文件在读入时应该是什么样子吗?
当输入data <- read.csv("file.csv", header = TRUE, sep = ",")
时,我得到以下数据。帧:
X Prd
1 A
2 A,B
3 B,A
4 B
5 C
如果客户X有多个产品,那么这些产品都写在一列中,这正确吗?或者应该写在不同的列中?
此外,在编写txn <- read.transactions(file="Versicherungen2_ItemList_Short.csv", rm.duplicates= TRUE, format="basket",sep=",",cols=1, skip=1)
和summary(txn)
时,我看到以下问题:
most frequent items:
A B C A,B B,A
1256 1235 456 235 125
(数字随机选择(
所以read.transaction函数区分A,B和B,A。。。所以我猜.csv文件.有问题