"Ноль частых предметов" при использовании eclat для майнинга частых предметов

Question

Поэтому я хочу найти шаблоны и "кластеры", основанные на том, какие предметы покупаются вместе, и в соответствии с вики для eclat:

Алгоритм Eclat используется для майнинга наборов предметов. Анализ наборов данных позволяет нам находить частые закономерности в данных, например, если потребитель покупает молоко, он также покупает хлеб. Этот тип шаблона называется правилами ассоциации и используется во многих областях приложений.

Хотя, когда я использую eclat в R, я получаю "ноль частых элементов" и "NULL" при получении результатов через tidLists. Кто-нибудь может увидеть, что я делаю не так?

Полный набор данных: https://pastebin.com/8GbjnHK2

Каждая строка представляет собой транзакции, содержащие различные элементы в столбцах. Быстрая привязка данных:

3060615;;;;;;;;;;;;;;;
3060612;3060616;;;;;;;;;;;;;;
3020703;;;;;;;;;;;;;;;
3002469;;;;;;;;;;;;;;;
3062800;;;;;;;;;;;;;;;
3061943;3061965;;;;;;;;;;;;;;

Код

trans = read.transactions("Transactions.csv", format = "basket", sep = ";")

f <- eclat(trans, parameter = list(supp = 0.1, maxlen = 17, tidLists = TRUE))

dim(tidLists(f))

as(tidLists(f), "list")

Может ли это быть из-за структуры данных? В таком случае, как мне это изменить? Кроме того, что мне делать, чтобы получить предлагаемые наборы предметов? Я не мог понять это из вики.

РЕДАКТИРОВАТЬ: я использовал 0,004 для Supp, как предложено @hpesoj626. Но похоже, что функция группирует заказы / пользователей, а не элементы. Я не знаю, как экспортировать данные, поэтому вот картинка из tidLists:

Answer 1

Проблема в том, что вы установили слишком высокую поддержку. Попробуйте настроить supp сказать, supp = .001за что мы получаем

dim(tidLists(f))

# [1]   928 15840

Для вашего набора данных самая высокая поддержка - 0,08239, что ниже 0,1. Вот почему вы не получаете результатов с supp = 0.1,

inspect(head(sort(f, by = "support"), 10))

#      items             support count
# [1]  {3060620}         0.08239 1305 
# [2]  {3060619}         0.07260 1150 
# [3]  {3061124}         0.05688  901 
# [4]  {3060618}         0.05663  897 
# [5]  {4027039}         0.04975  788 
# [6]  {3060617}         0.04564  723 
# [7]  {3061697}         0.04306  682 
# [8]  {3060619,3060620} 0.03087  489 
# [9]  {3039715}         0.02727  432 
# [10] {3045117}         0.02708  429