Localizando regras adequadas para novos dados usando arules

11

Estou usando R (e o pacote arules) para minerar transações para regras de associação. O que desejo fazer é construir as regras e aplicá-las aos novos dados.

Por exemplo, digamos que eu tenha muitas regras, uma das quais é a canônica {Beer=YES} -> {Diapers=YES}.

Então, tenho novos dados transacionais em que um dos registros comprou cerveja, mas não fraldas. Como posso identificar uma regra em que o LHS é atendido, mas ainda não o RHS?

R exemplo:

install.packages("arules")
library(arules)

data("Groceries")
**#generate Rules omitting second record**

rules <- apriori(Groceries[-2],parameter = list(supp = 0.05, conf = 0.2,target = "rules"))

As regras geradas são:

> inspect(rules)
  lhs                   rhs                   support confidence     lift
1 {}                 => {whole milk}       0.25554200  0.2555420 1.000000
2 {yogurt}           => {whole milk}       0.05603010  0.4018964 1.572722
3 {whole milk}       => {yogurt}           0.05603010  0.2192598 1.572722
4 {rolls/buns}       => {whole milk}       0.05664023  0.3079049 1.204909
5 {whole milk}       => {rolls/buns}       0.05664023  0.2216474 1.204909
6 {other vegetables} => {whole milk}       0.07484238  0.3867578 1.513480
7 {whole milk}       => {other vegetables} 0.07484238  0.2928770 1.513480

A segunda transação mostra esse cliente, já que eles têm iogurte, mas não leite integral, talvez deva receber um cupom para o leite. Como podem ser localizadas quaisquer regras aplicáveis ​​em "regras" para novas transações?

> LIST(Groceries[2])
[[1]]
[1] "tropical fruit" "yogurt"         "coffee" 
B_Miner
fonte

Respostas:

19

A chave é a função is.subset no mesmo pacote

Aqui está o código ...

basket <- Groceries[2]
# find all rules, where the lhs is a subset of the current basket
rulesMatchLHS <- is.subset(rules@lhs,basket)
# and the rhs is NOT a subset of the current basket (so that some items are left as potential recommendation)
suitableRules <-  rulesMatchLHS & !(is.subset(rules@rhs,basket))

# here they are
inspect(rules[suitableRules])

# now extract the matching rhs ...
recommendations <- strsplit(LIST(rules[suitableRules]@rhs)[[1]],split=" ")
recommendations <- lapply(recommendations,function(x){paste(x,collapse=" ")})
recommendations <- as.character(recommendations)

# ... and remove all items which are already in the basket
recommendations <- recommendations[!sapply(recommendations,function(x){basket %in% x})]

print(recommendations)

e a saída gerada ...

> inspect(rules[suitableRules])
  lhs         rhs            support confidence     lift
1 {}       => {whole milk} 0.2555420  0.2555420 1.000000
2 {yogurt} => {whole milk} 0.0560301  0.4018964 1.572722

> print(recommendations)
[1] "whole milk"
Steffen
fonte
Steffen - fabuloso! Muito obrigado, eu não vi essa função. Pude ver essa classificação por elevação (ou outra medida) para determinar qual regra manter quando várias correspondências seriam bastante fáceis.
B_Miner 26/01
Estou ciente de que isso é bastante antigo, mas espero que alguém responda. E se eu quiser colocar diretamente basket <- "tropical fruit" "yogurt" "coffee"?
HonzaB 24/09
@HonzaB, eu acho que você precisa convertê-lo para o tipo certo, ala:as(list(basket), "itemMatrix")
Harlan