Развертывание apriori rulsets в наборе данных в R

Question

У меня есть вопрос, касающийся развертывания правил apriori в R. Я, в основном, хочу назначить предусловие (элемент) и значение доверия каждому клиенту, чтобы я мог создать простую систему рекомендаций, поэтому ниже приводится подмножество моего набора правил, который я получил,

bread&wine -> meat (confidence 54%)
cheese -> fruit (confidence 43%)
bread&cheese -> frozveg (confidence 24%)

и следующее - простое представление того, чего я хочу достичь только с одним клиентом; это в корзине или данных таблицы истинности.

ID | Хлеб | Вино | Сыр Пред1 Конф1 Пред2 Конф2

1 | 1 | 1 | 1 мясо | 0,54| фрукты | 0,43

Это можно сделать, просто подключив набор данных к слепку модели в IBM SPSS Modeler, но в R. это не так просто.

Может ли кто-нибудь предоставить мне решение в коде R на этом или простое руководство в этом?

Answer 1

Пакет Recommenderlab делает то, что вы хотите (минус показ уверенности). Вот некоторый код (адаптированный из документации Recommenerlab), который изучает модель рекомендации из набора данных Groceries и применяет ее к первым 10 транзакциям:

 library(recommenderlab)
 data(Groceries)
 dat <- as(Groceries, "binaryRatingMatrix")
 rec <- Recommender(dat, method = "AR", 
    parameter=list(support = 0.0005, conf = 0.5, maxlen = 5))
 getModel(rec)

   $description
   [1] "AR: rule base"

   $rule_base
   set of 38365 rules 

   $support
   [1] 5e-04

   $confidence
   [1] 0.5

   $maxlen
   [1] 5

   $measure
   [1] "confidence"

   $verbose
   [1] FALSE

   $decreasing
   [1] TRUE


 pred <- predict(rec, dat[1:5,])
 as(pred, "list")
   [[1]]
   [1] "whole milk"     "rolls/buns"     "tropical fruit"

   [[2]]
   [1] "whole milk"

   [[3]]
   character(0)

   [[4]]
   [1] "yogurt"        "whole milk"    "cream cheese " "soda"         

   [[5]]
   [1] "whole milk"

Вот параметры, которые вы можете использовать при создании рекомендателя.

recommenderRegistry$get_entry("AR", dataType = "binaryRatingMatrix")
  Recommender method: AR
  Description: Recommender based on association rules.
  Parameters:
    support confidence maxlen    measure verbose decreasing
  1     0.1        0.3      2 confidence   FALSE       TRUE