R-有没有办法通过提升来限制先验规则？答案

【问题标题】：R- Is there a way to limit apriori rules by lift?R-有没有办法通过提升来限制先验规则？
【发布时间】：2017-02-23 07:48:04
【问题描述】：

我正在查看这个数据集：https://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/crx.data

我对数据进行了预处理：

ca.1<-read.csv("CreditApproval.csv",T,",")

# From http://stackoverflow.com/q/4787332/
remove_outliers <- function(x, na.rm = TRUE, ...) {
  qnt <- quantile(x, probs=c(.25, .75), na.rm = na.rm, ...)
  H <- 1.5 * IQR(x, na.rm = na.rm)
  y <- x
  y[x < (qnt[1] - H)] <- NA
  y[x > (qnt[2] + H)] <- NA
  y
}

ca.1$A2<-remove_outliers(ca$A2)
ca.1$A3<-remove_outliers(ca$A3)
ca.1$A8<-remove_outliers(ca$A8)
ca.1$A11<-remove_outliers(ca$A11)
ca.1$A14<-remove_outliers(ca$A14)
ca.1$A15<-remove_outliers(ca$A15)
ca.1$A2<-discretize(ca.1$A2,"frequency",categories = 6)
ca.1$A3<-discretize(ca.1$A3,"frequency",categories = 6)
ca.1$A8<-discretize(ca.1$A8,"frequency",categories = 6)
ca.1$A11<-discretize(ca.1$A11,"frequency",categories = 6)
ca.1$A14<-discretize(ca.1$A14,"frequency",categories = 6)
ca.1$A15<-discretize(ca.1$A15,"frequency",categories = 6)

ca.1<-na.omit(ca.1)

在微调 support、confidence、min/maxlen 后，我仍然得到 65 条规则：

> rules<-apriori(ca.1, parameter= list(supp=0.15, conf=0.89, minlen=3, maxlen=4), appearance=list(rhs=c("class=-", "class=+"), default="lhs"))
> rules.sorted <- sort(rules, by="lift")
> inspect(rules.sorted)
     lhs                     rhs       support   confidence lift    
[1]  {A5=g,A9=t,A10=t}    => {class=+} 0.1521739 0.8974359  2.770607
[2]  {A4=u,A9=t,A10=t}    => {class=+} 0.1521739 0.8974359  2.770607
[3]  {A1=a,A9=f}          => {class=-} 0.1717391 0.9753086  1.442579
[4]  {A1=a,A9=f,A13=g}    => {class=-} 0.1608696 0.9736842  1.440176
...[65]

如您所见，+ 规则比- 规则有更大的提升，但支持和信心较低。我一直在查看文档，但找不到任何可以通过提升来限制的参数。这可能吗？如果没有，遇到这种情况你会怎么做？

【问题讨论】：

你在找那个吗？子规则阈值）
此示例不可重现。 stackoverflow.com/help/mcve
@MFR 我想知道先验方法是否提供了实现此目的的方法。我的意思是这不是一个常见的问题吗？
@Hack-R 我添加了数据集和预处理代码。

标签： r apriori

【解决方案1】：

在arules 封装一个特殊的函数来subset 定义这个对象类型。为了过滤掉提升值小于 2 的规则，您可以尝试以下操作：

subset(rules, subset = lift > 2)

【讨论】：

【解决方案2】：

另一种方法是使用arules::quality()。例如：

association.rules <- apriori(tr, parameter = list(support=0.005, confidence=0.25, minlen=3, maxlen=10))

subRules<-association.rules[quality(association.rules)$lift > 1]

此功能可以通过support, confidence, coverage, lift, count过滤。

【讨论】：

【解决方案3】：

您不能仅通过提升来限制先验规则。您必须首先通过 support 和 confidence 获得限制：

 rules<-apriori(ca.1, parameter= list(supp=0.15, conf=0.89, minlen=3, maxlen=4)

然后，做这样的事情

rulesLift <- sort(subset(rules, subset = lift < 2), by="lift") 
inspect(rulesLift)

【讨论】：

【解决方案4】：

我认为 apriori 函数不会将提升作为参数之一。如果我尝试设置提升，我会收到此错误

错误：无效参数：提升

相反，我可以按提升对规则进行排序，然后根据提升值选择规则，如下所示

排序（规则，按=“提升”，递减=真）

这不是一个简单的解决方案，而是一个不错的解决方法

【讨论】：

【解决方案5】：

如果你尝试过：

apriori(df, parameter = list(lift = 0.3, minlen =2))

在这种情况下，您可以将最小提升设置为任何值，只需选择 0.3。

【讨论】：

嗨。没有要设置为参数的提升选项。