我有一个这样的交易矩阵:
"u1" "u10" "u2" "u3" ...
_____________________________________
"A", | 1 0 1 1 ...
"B", | 0 1 0 0
"u10"| 0 0 0 0 .
"u11"| 0 0 0 0 .
"u2" | 0 0 0 0 .
"u4" | 0 0 0 0
. .
. .
. .
，我试图确定每对(i, j)， eg的升力。lift(u1, A)，在这个矩阵中，首先使用R，我试图使用arules包中的apriori algorithm，但我对规则不感兴趣。然后，我谈到了这个实现，但这只适用于对称矩阵。我想知道如何做到这一点，或者在任何R包中是否有实现这一点。
多谢!
我猜你想要的是如下内容:
我的第一个假设是，你开始的矩阵不是一个用户-物品交易矩阵，而是一个物品-物品共现矩阵，其中条目i,j代表了#交易，在给定物品j的情况下，购买了物品i。这是一个小的共现矩阵c。在这个矩阵中，每一行i表示第i个物品被购买的#次交易。
C
I1 I2 I3 I4 I5 I6 I7 I8 I9 I10 I11 I12 I13 I14 I15 I16 I17 I18 I19 I20
I1 2 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 0 0 0
I2 0 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
I3 0 0 9 0 1 0 0 1 1 0 1 0 1 0 0 0 0 0 0 1
I4 0 0 0 5 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0
I5 0 0 1 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
I6 0 0 0 0 0 3 0 0 0 1 0 0 0 0 0 0 0 1 1 0
I7 0 0 0 0 0 0 2 0 1 0 0 0 0 0 0 0 0 0 1 0
I8 1 0 1 1 0 0 0 6 2 0 0 0 0 0 0 2 0 1 0 1
I9 0 0 1 1 0 0 1 2 9 0 1 1 0 0 0 1 1 2 1 0
I10 1 0 0 0 0 1 0 0 0 4 0 0 0 0 0 0 0 0 1 0
I11 0 0 1 0 0 0 0 0 1 0 2 0 0 0 0 0 1 0 0 0
I12 0 0 0 0 0 0 0 0 1 0 0 6 0 0 0 1 1 1 1 1
I13 0 0 1 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0
I14 0 0 0 0 0 0 0 0 0 0 0 0 0 6 0 1 0 0 0 0
I15 0 0 0 1 0 0 0 0 0 0 0 0 0 0 5 0 0 0 1 0
I16 1 0 0 0 0 0 0 2 1 0 0 1 0 1 0 4 1 1 1 0
I17 0 0 0 0 0 0 0 0 1 0 1 1 0 0 0 1 5 0 1 0
I18 0 0 0 0 0 1 0 1 2 0 0 1 0 0 0 1 0 9 0 0
I19 0 0 0 0 0 1 1 0 1 1 0 1 0 0 1 1 1 0 7 0
I20 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 6
给定物品B，物品A的升力为p (A|B)/p (A)。
items.probs <- rowSums(C) / sum(C)
cond.probs <- C / rowSums(C)
lifts <- round(cond.probs / items.probs,2)
lifts
I1 I2 I3 I4 I5 I6 I7 I8 I9 I10 I11 I12 I13 I14 I15 I16 I17 I18 I19 I20
I1 0.90 0.90 0.45 1.79 1.79 1.35 1.79 0.90 0.00 1.79 1.79 1.35 0.45 0.45 0.45 0.00 0.90 0.45 1.35 0.45
I2 2.42 1.82 1.21 1.82 1.21 0.61 0.00 1.21 2.42 0.00 1.21 0.00 0.61 1.82 1.21 1.21 0.61 1.82 0.00 1.21
I3 0.66 0.99 0.66 0.99 0.99 0.99 1.33 0.00 0.99 0.99 0.33 0.99 0.33 0.99 0.66 1.33 1.33 0.66 0.99 0.33
I4 2.18 0.55 0.55 0.55 0.55 0.00 2.18 0.00 0.55 1.64 2.18 2.18 0.55 1.09 0.55 0.55 1.09 0.55 2.18 1.64
I5 0.00 0.00 0.00 1.35 2.71 2.03 2.03 0.68 0.00 2.03 2.03 0.68 2.03 0.68 2.71 0.00 2.03 0.00 2.03 0.68
I6 0.68 2.71 0.00 0.00 0.00 2.03 2.71 0.68 0.00 2.71 2.71 1.35 1.35 1.35 0.00 1.35 0.00 2.03 0.68 1.35
I7 0.69 1.38 0.69 0.69 1.04 1.38 1.38 0.35 0.00 0.35 0.69 1.38 1.38 1.04 0.35 0.69 0.35 1.38 0.35 1.38
I8 1.04 1.38 0.00 0.00 1.38 1.04 0.35 1.38 1.38 0.35 1.04 1.04 1.04 0.69 1.04 0.35 1.04 0.69 1.04 0.69
I9 0.00 1.97 1.97 0.00 2.96 1.97 0.99 1.97 0.99 1.97 0.00 0.00 0.99 0.99 0.99 1.97 1.97 3.94 2.96 0.00
I10 2.30 1.15 1.15 0.00 1.72 2.30 1.15 0.57 0.00 1.15 1.15 0.00 0.00 1.15 1.15 1.15 2.30 1.15 2.30 0.00
I11 0.59 1.18 0.00 0.30 0.89 0.00 1.18 1.18 0.89 1.18 0.30 1.18 0.00 1.18 0.89 0.89 1.18 0.30 1.18 1.18
I12 0.75 1.13 0.38 0.38 0.00 0.38 1.13 1.13 0.00 1.13 0.38 1.13 1.13 1.50 1.50 1.50 0.38 1.50 0.75 1.50
I13 1.50 1.50 0.38 1.13 1.13 1.50 1.50 0.75 0.00 0.38 1.13 0.75 0.00 1.13 1.50 0.75 1.50 0.00 0.38 0.75
I14 1.88 0.94 0.47 0.94 0.00 1.88 0.00 0.47 0.47 0.47 1.41 0.94 0.94 1.88 0.94 0.94 0.47 1.88 1.88 0.94
I15 0.00 1.04 1.38 1.38 1.38 1.04 1.38 0.35 0.00 1.38 1.04 1.04 1.04 1.38 0.69 1.04 0.00 0.35 0.35 0.69
I16 1.08 1.08 0.72 0.72 1.44 1.08 1.44 1.08 0.00 0.00 0.72 0.00 1.08 1.44 0.72 1.44 0.72 1.44 1.08 0.00
I17 1.97 1.97 2.96 0.00 0.00 0.99 0.00 1.97 0.00 2.96 0.00 0.00 0.99 0.99 3.94 1.97 1.97 0.99 0.99 3.94
I18 0.00 0.00 0.00 2.42 1.82 0.00 0.00 2.42 1.21 1.21 2.42 2.42 0.00 2.42 1.82 1.82 1.82 0.61 0.00 0.00
I19 1.41 1.41 0.94 1.88 0.47 0.47 1.88 1.88 0.00 0.47 0.00 0.00 1.41 0.00 0.47 0.94 0.94 1.41 1.88 1.88
I20 0.00 0.00 3.45 0.86 0.00 2.59 0.86 0.86 0.86 1.73 0.86 2.59 1.73 1.73 3.45 0.00 1.73 0.00 2.59 0.86