对Groceries数据进行关联分析

# size函数和itemFrequency函数都是arules包中的函数，前者是计算购物篮中出现过的商品次数，后者是为了计算每种商品出现的次数（频率）

>basketSize<-size(Groceries) # 计算Groceries的购物篮商品系数

> sum(basketSize) # 显示如下：

[1] 43367 # 说明在9835个购物篮中，169个商品共出现了43367次；

> itemFreq<-itemFrequency(Groceries) #计算Groceries中169个商品在购物篮中出现的频次

> itemFreq[1:5] #列出交易数据中五个商品出现的频次分布。

# 显示结果为：

frankfurter sausage liver loaf ham meat

0.058973055 0.093950178 0.005083884 0.026029487 0.025826131

# frankfurter（法兰克福香肠）出现的频次为0.05897%，sausage（香肠）出现的频次为0.0935%，依次类推；

# 这里可以理解为频次对应了商品的购物篮渗透率；

>itemFrequencyPlot(Groceries,support=0.1) #对Groceries数据库按照支持度为0.1(10%)的数据集合绘图，结果如下图3-3：

图3-3 支持度为0.1的商品频次分布图

# 在图3-3 中，出现频次最高的购物篮商品为Whole milk（全脂牛奶），数值大于0.25，支持度最低的商品为tropical fruit（热带水果）、bottleed water（瓶装水），均为0.1。

>itemFrequencyPlot(groceries,topN=10,horiz=T) #按照支持度Top 10的频次排序绘图，结果如图3-4：

# 在Groceries数据库中，出现支持度频次的商品排序依次为whole mike（全脂牛奶）、other vegetables（其他蔬菜）、rolls/buns(圆面包)、soda（苏打水）等，这个图表明在该超市中，最受顾客关注的商品排列顺序（商品的购物篮渗透率）。

图3-4 支持度ToP 10的购物篮商品频次图示

>total.rules <- apriori(Groceries,parameter = list(support=0.01,confidence = 0.05)) # 按照支持度=0.01、置信度=0.05对Groceries数据进行数据过滤；

>print(summary(total.rules)) # 将过滤结果打印出来，

# 如图3-5所示，过滤结果共有541条规则，其中购物篮系数（含左侧+右侧）的分布为1个的购物篮为28个、2个的购物篮为417个、3个的购物篮为96个。

# 列出了过滤的关联规则购物篮系数四等位数分布，均值为2.126，以及规则的关联分析指标分布。

图3-5 按照特定条件的关联过滤结果图示

>soda.rules <- subset(total.rules,subset=rhs %pin% "soda") #按照上述条件的支持度、置信度阈值条件，寻找购物篮的后件（被关联商品）是“Soda（苏打水）”的关联规则；

>inspect(soda.rules) # 将后件含有soda的规则打印出来，如下图3-6所示：

图3-6 特定条件后件为“soda”关联规则图示

# 共生成28条购物篮后件是soda的关联规则，以图3-6 第一行为例，购物篮中只有soda 的规则支持度是0.1743、置信度为0.1743、（规则对于总数据集合）覆盖率为1.00、提升度为1.00、共有购物篮1715个。

# 图3-6第二行说明购物篮中商品前件为canned beer（罐装啤酒）与soda的支持度为0.0138、置信度为0.178、覆盖率为0.077、提升度为1.02、共有购物篮136个；其他数据以此类推。

>groceries_basket<-Groceries[basketSize>1] # 寻找Groceries中购物篮系数大于1的项目集合；

>dim(groceries_basket) # 输出结果如下：

[1] 7676 169 #共有7676个购物篮中商品系数大于1（即购物篮中商品多于一个），由169个商品完成。

>grocery_rules<-apriori(Groceries,parameter=list(support=0.02,confidence=0.25,minlen=2)) #寻找Groceries数据库中满足支持度0.02、置信度0.25，Minlen=2（购物篮系数）的规则。

# 输出结果表明有 196条记录满足这个条件。

> yogurt_rules<-subset(grocery_rules,items%in%c("yogurt")) # 在上述规则满足的频繁项集中寻找“Yogurt”（酸奶）出现的购物篮；

# items %in% c("A", "B")表示 lhs+rhs的项集中，至少有一个item是在c("A", "B")， item = A or item = B。

# 如果仅仅想搜索lhs或者rhs，那么用lhs或rhs替换items即可。如：lhs %in% c("yogurt")

# %in%是精确匹配、%pin%是部分匹配，也就是说只要item like '%A%' or item like '%B%'，同时可以通过 条件运算符(&, |, !) 添加 support, confidence, lift的过滤条件。

> inspect(yogurt_rules) # 按照定义的规则输出如下结果：

lhs rhs support confidence coverage lift count

[1] {yogurt} => {other vegetables} 0.04341637 0.3112245 0.1395018 1.608457 427

[2] {yogurt} => {whole milk} 0.05602440 0.4016035 0.1395018 1.571735 551

# 共生成有二条规则：

1、{酸奶=>其他蔬菜}，支持度为0.043，置信度为0,311、覆盖率为0.139、提升度为1.60、共有购物篮427个。

2、{酸奶=>全脂牛奶}，支持度为0.056、置信度为0.40、覆盖率为0.139、提升度为1.57、共有购物篮551个。

>last.rules <- apriori(Groceries,parameter = list(support=0.025,confidence=0.05)) # 按照支持度=0.025、置信度=0.005 对Groceries数据库寻找关联规则

>print(summary(last.rules)) # 显示如下关联规则：

set of 96 rules # 共有96条满足条件的规则

rule length distribution (lhs + rhs):sizes # 关联规则的购物篮系数分布

1 2

28 68

# 购物篮系数为1的规则共有28条、购物篮系数为2的规则共有68条