市场篮子分析 - 可变数量特征的单一模型？

Question

我正在使用 Apriori 构建一个推荐系统来配合我公司的应用程序。在走这条路之前，我想与有更多经验的人确认我走在正确的轨道上。任何帮助表示赞赏。

让我试着解释一下这个问题。根据应用程序中用户的上下文，影响推荐的功能可能会有所不同。例如，想象一个购物场景。如果我在 HEB 购物，我通常有一个预定义的购物清单，所以如果我只是告诉应用程序我要去 HEB，那么该清单上的物品将是很好的推荐。不过，当我去 Home Depot 时，我倾向于按部门购物，因此如果我告诉应用程序我在 Home Depot 并且我正在购买电动工具，那么电动工具和相关部件是很好的推荐。

您会看到，在这两种情况下，功能的数量会有所不同。第一，我的推荐完全取决于商店，而第二，它们取决于商店和我购物的部门。

我希望使用可以处理这种情况的单个 Apriori 模型。这会被认为是一种最佳实践，还是有不同的模型更好，一个用于我们只列出商店的时候，另一个用于我们列出商店和部门的时候？鉴于 Apriori 是一种无监督算法，我认为它可以用一个模型来完成，但由于我没有大量经验，所以想仔细检查一下。

Answer 1

在我看来，您在谈论多级关联规则。这是来自arules 中aggregate 函数的手册页：

支持项目层次结构

说明：

通常项目层次结构可用于用于 关联规则挖掘。例如在超市数据集中 像“bread”和“beagle”这样的项目可能属于项目组 （类别）“烘焙食品”。

我猜更高级别的类别将是您的部门和商店。这将能够找到项目、部门和商店之间的关联。