Arules包详解

1. 包基本信息

发布日期：2014-12-07

题目：挖掘关联规则和频繁项集

描述：提供了一个表达、处理、分析事务数据和模式(频繁项集合关联规则)的基本框架。

URL：http://R-Forge.R-project.org/projects/arules/，http://lyle.smu.edu/IDA/arules/

依赖包: Matrix包

建议学习包：pmml, XML, arulesViz, testthat

作者(牛牛们)：Michael Hahsler [aut, cre, cph],Christian Buchta [aut, cph],Bettina Gruen [aut, cph],Kurt Hornik [aut, cph],Christian Borgelt [ctb, cph]

包维护人员：Michael Hahsler [email protected]

Arules包设计的方法一览表：

1. 函数介绍
   1. addComplement：向事务数据中添加complement-items(其实就是额外添加补充项)
      1. 描述

该函数的功能就是向每一个条事务记录中添加人工构造的项(artificial item)(而这些项在原数据中并没有！)

1. 用法

addComplement(x, labels, complementLabels=NULL)

### x：一个transaction类对象

### labels：字符串，项标签(针对创建的complements项标签)

### complementLabels：字符串,人工构造的补充项的标签. 如果被忽略, 会在原始标签之前加上"！"符号来形成补充项的标签！

1. 返回值

返回一个添加了补充项的transaction类对象

1. 例子

#####查看数据基本信息！

> data(‘Groceries‘)

> head(Groceries)

transactions in sparse format with

6 transactions (rows) and

169 items (columns)

> dim(Groceries)

[1] 9835 169

> class(Groceries)

[1] "transactions"

attr(,"package")

[1] "arules"

> typeof(Groceries) #可以看到Groceries事务数据是以S4类型存储的，格式如下

[1] "S4"

……………………此处省略无数……………………..

9833 {chicken,

citrus fruit,

other vegetables,

butter,

yogurt,

frozen dessert,

domestic eggs,

rolls/buns,

rum,

cling film/bags}

9834 {semi-finished bread,

bottled water,

soda,

bottled beer}

9835 {chicken, ###可以看到9833,9834等是一笔事务记录,即项集,里面存的是项

tropical fruit,

other vegetables,

vinegar,

shopping bags}

NULL

######（1）为"whole milk"和"other vegetables"添加补充项(complement-items)

@@@初始状态！

> inspect(head(Groceries,3))

items

1 {citrus fruit,

semi-finished bread,

margarine,

ready soups}

2 {tropical fruit,

yogurt,

coffee}

3 {whole milk}

> g2 <- addComplement(Groceries, c("whole milk", "other vegetables"))

@@@添加后的状态！

> inspect(head(g2,3))

items

1 {citrus fruit,

semi-finished bread,

margarine,

ready soups,

!whole milk, ## 可以看到补充项被添加到每一个事务记录中！

!other vegetables}

2 {tropical fruit,

yogurt,

coffee,

!whole milk,

!other vegetables}

3 {whole milk,

!other vegetables}

########（2）为补充项使用自定义标签！

> g2 <- addComplement(g2, "coffee", "NO coffee")

> inspect(head(g2,3))

items

1 {citrus fruit, ##第一个事务中没有"coffee"项,所有就添加了一个"No coffee"项

semi-finished bread,

margarine,

ready soups,

!whole milk,

!other vegetables,

NO coffee}

2 {tropical fruit, ##第二个事务中有"coffee"项,所以"NO coffee"项不被添加到这儿

yogurt,

coffee,

!whole milk,

!other vegetables}

3 {whole milk,

!other vegetables,

NO coffee}

1. affinity：计算项与项之间的密切关系(affinity)

1. 描述

提供了泛函affinity和S4方法来计算和返回事务集合中项与项之间的亲密关系相似矩阵！

1. 用法

### x：一个矩阵、itemMatrix类对象、事务数据

1. 细节说明

两个项i和j之间的亲密程度被(Aggarwal et al. (2002))定义为

其中，sup(.)是支持度度量值，这意味着亲密度(affinity)是项与项之间的Jaccard similarity！

1. 返回值

返回一个ar_similarity类对象,表示了x中项与项之间的亲密程度

1. 例子

> data(‘Adult‘)

> s<-sample(x = Adult,size = 500)

> s

transactions in sparse format with

500 transactions (rows) and

115 items (columns)

> a <- affinity(s)

> summary(as.vector(a))

Min. 1st Qu. Median Mean 3rd Qu. Max.

0.00000 0.00000 0.00000 0.06478 0.01786 1.00000

…………………………………………………………..…此处省略无数………………………………………………………

从上面可以看出，affinity函数是计算了两两项之间的亲密度,并以矩阵的形式返回！

1. aggregate：将项(items)聚合成项集(item groups)

1. 描述

比如在一个超市数据中，"bread"和"beagle"项可能属于"baked goods"项组(类别). Aggregate方法使用用户指定的项组(item group)替换事务数据(transactions)中的项、项集、规则！

如果规则被聚合，会导致在lhs和rhs中的出现相同的项，此时, 这些相同的项从lhs中移除！聚合后不唯一的规则或项集也会被移除！

1. 用法

## S4 method for signature ‘itemMatrix‘

aggregate(x, itemLabels)

## S4 method for signature ‘itemsets‘

aggregate(x, itemLabels)

## S4 method for signature ‘rules‘

aggregate(x, itemLabels)

#### x：一个事务表，项集或规则对象

####itemLables：和x中项长度相同的字符串向量。接收到相同项标签(item label)的项将会被聚合！

1. 例子

> data(Groceries)

### Groceries包含了一个存储在itemInof中的层次结构(hierarchy)

>head(itemInfo(Groceries))

> level1 <- itemInfo(Groceries)[["level1"]]

> levels(level1) #查看level1中水平

[1] "canned food" "detergent" "drinks"

[4] "fresh products" "fruit and vegetables" "meet and sausage"

[7] "non-food" "perfumery" "processed food"

[10] "snacks and candies"

######（1）聚合事务数据

> aggregate(Groceries, level1)

transactions in sparse format with

9835 transactions (rows) and

10 items (columns)

> Groceries

transactions in sparse format with

9835 transactions (rows) and

169 items (columns)

> inspect(agg[1])

items

1 {fresh products,

fruit and vegetables,

processed food}

> inspect(Groceries[1])

items

1 {citrus fruit,

semi-finished bread,

margarine,

ready soups}

#######（2）聚合规则

> rules <- apriori(Groceries, parameter=list(supp=0.005, conf=0.5))

Parameter specification:

confidence minval smax arem aval originalSupport support minlen maxlen target ext

0.5 0.1 1 none FALSE TRUE 0.005 1 10 rules FALSE

Algorithmic control:

filter tree heap memopt load sort verbose

0.1 TRUE TRUE FALSE TRUE 2 TRUE

apriori - find association rules with the apriori algorithm

version 4.21 (2004.05.09) (c) 1996-2004 Christian Borgelt

set item appearances ...[0 item(s)] done [0.00s].

set transactions ...[169 item(s), 9835 transaction(s)] done [0.00s].

sorting and recoding items ... [120 item(s)] done [0.00s].

creating transaction tree ... done [0.00s].

checking subsets of size 1 2 3 4 done [0.00s].

writing ... [120 rule(s)] done [0.00s].

creating S4 object ... done [0.00s].

> rules

set of 120 rules

> aggregate(rules, level1)

set of 18 rules

> rules[1:3]

set of 3 rules

> inspect(rules[1:3])

lhs rhs support confidence lift

1 {baking powder} => {whole milk} 0.009252669 0.5229885 2.046793

2 {other vegetables,

oil} => {whole milk} 0.005083884 0.5102041 1.996760

3 {root vegetables,

onions} => {other vegetables} 0.005693950 0.6021505 3.112008

> inspect(aggregate(rules, level1)[1:3])

lhs rhs

1 {processed food} => {fresh products}

2 {fruit and vegetables,

processed food} => {fresh products}

3 {} => {fruit and vegetables}

@@@注：从这里可以看出，聚合时，使用大类把属于特定大类的小类给替换掉了，替换后有重复项的也一并删除，因此，得到的规则就会很多很多！

1. APappearance-class：指定apriori算法参数的"appearance"

1. 描述

对apriori算法挖掘的关联进行控制，注意：对于eclat算法，appearance参数是不支持的！

1. 类对象

如果使用appearance控制(restrictions)，一个appearance对象将会在apriori函数中被自动创建，使用的是appearance参数的命名列表(list)中的信息。这个列表可以包含如下元素：

lhs, rhs, both, items, none：字符串向量，用于指定可以出现在指定地点的项标签(lhs、rhs、both用于rules规则；itens用于itemsets项集)。特殊的地点 none指定不能出现在rule规则或itemset项集中的items项！

default：可以是both、lhs、rhs和none中的一个，默认项是both；为所有的项指定默认的appearance！

1. 例子

data("Adult")

######（1）仅仅查找不包括small or large income的频繁项集

is <- apriori(Adult, parameter = list(support= 0.1, target="frequent"),

appearance = list(none = c("income=small", "income=large"),

default="both"))

> items(is)

itemMatrix in sparse format with

2066 rows (elements/transactions) and

115 columns (items)

> itemFrequency(items(is))["income=small"]

income=small

0

> itemFrequency(items(is))["income=large"]

income=large

0

#####（2）查找只包含small or large income 和young age的项集

> is <- apriori(Adult, parameter = list(support= 0.1, target="frequent"),

+ appearance = list(items = c("income=small", "income=large", "age=Young"),

+ default="none"))

> inspect(head(is))

items support

1 {income=large} 0.1605381

2 {age=Young} 0.1971050

3 {income=small} 0.5061218

4 {age=Young,

income=small} 0.1289259

#####（3）在right-hand-side中查找只包含有small or large income的规则

rules <- apriori(Adult, parameter = list(support=0.2, confidence = 0.5),

appearance = list(rhs = c("income=small", "income=large"),

default="lhs"))

inspect(head(rules))

1. apriori：使用apriori算法挖掘关联规则

1. 用法

apriori(data, parameter = NULL, appearance = NULL, control = NULL)

#### data：事务数据类对象

1. AScontrol-classes："AScontrol类，APcontrol类"指定apriori算法的"control"参数

1. 描述

AScontrol类保存使用的挖掘算法的算法参数。APcontrol直接扩展了AScontrol类,添加了只适用于apriori算法的其他参数的插槽(slots)，即可以接受更多的参数，并且这些参数只适用于apriori算法！(相当于个性改装！)

AScontrol中常用的插槽(slots)：

sort：一个整数标量，默认值为2，表示针对项的频率，如何对项排序。

1. 升序；-1—降序；0:—不排序；2—升序；-2:—关于事务量和来降序

verbose：逻辑值，表示是否报告输出进度(progress)

其他插槽：

Filter：数值型标量，表示如何过滤事务中未使用的项(unused items), 默认为0.1

Tree：逻辑值，表示是否将事务组织成一个前缀树(prefix tree)，默认为TRUE

Heap：逻辑值，表示是否使用heapsort而不是quicksort来对事务排序，默认为TRUE

Memopt：逻辑值，表示是否最小化内存使用，而不是最大化速度，默认为FALSE

Load：逻辑值，表示是否加载事务到内存中，默认为TRUE

1. ASparameter-classes：指定apriori算法的"parameter"参数

1. 插槽(slots)

ASparameter定义的常用插槽：

注：target可以是："frequent itemsets"；"maximally frequent itemsets"； "closed frequent itemsets"； "rules" (only available for Apriori)； "hyperedgesets"

其他slots：

注：对于arem插槽，可以有的其他度量："none": no additional evaluation measure；"diff": absolute confidence difference；"quot": difference of confidence quotient to 1；"aimp": absolute difference of improvement to 1；"info": information difference to prior；"chi2": normalized measure！

1. Association-class：关联的一个集合

1. 描述

Association类是一个虚拟类，用于表达挖掘结果(比如项集/规则的集合)。该类提供了对quality插槽的访问权，记忆对关联排序的一个方法！

1. slots

quality：一个quality度量（相关度量如支持度或置信度）的数据框。每一个quality度量都是一个命令向量，其长度和关联集中的元素数量相同。

info：一个列表，用于存储特定算法的挖掘信息。一般来说，它至少包含了"data"元素(data是事务数据集的名称)；"ntransactions"(数据集的长度)；"support"(用于挖掘的最小支持度)！

拥有的方法有：info、items、labels、length、quality和show

1. combine：合并对象，简写为c

1. 描述

基于itemMatrix将几个对象合并成一个对象；注意：使用union而不是c将几个挖掘的itemsets或规则合并成一个集合。

1. 用法

## S4 method for signature ‘itemMatrix‘

c(x, ..., recursive = FALSE)

## S4 method for signature ‘transactions‘

c(x, ..., recursive = FALSE)

## S4 method for signature ‘rules‘

c(x, ..., recursive = FALSE)

## S4 method for signature ‘itemsets‘

c(x, ..., recursive = FALSE)

###### x：第一个对象

###### ……和x同属一个类的其他对象

###### recursive：逻辑值，如果为TRUE，the function recursively descends through lists combining all their elements into a vector！

1. 例子

data("Adult")

#####（1）合并事务数据

> a1 <- Adult[1:10]

> a2 <- Adult[101:110]

> Adult[1:10]

transactions in sparse format with

10 transactions (rows) and

115 items (columns)

> Adult[101:110]

transactions in sparse format with

10 transactions (rows) and

115 items (columns)

> aComb <- c(a1, a2)

> aComb

transactions in sparse format with

20 transactions (rows) and

115 items (columns)

> summary(aComb)

transactions as itemMatrix in sparse format with

20 rows (elements/itemsets/transactions) and

115 columns (items) and a density of 0.1121739

#######（2）合并规则(可以包含重复的规则多次)—combine

r1 <- apriori(Adult[1:1000])

r2 <- apriori(Adult[1001:2000])

> r1

set of 8500 rules

> r2

set of 8575 rules

> rComb <- c(r1, r2)

> rComb

set of 17075 rules

######（3）连接规则(只有唯一规则的一个集合：和unique(rComb)等价)---union

> rUnion <- union(r1,r2)

> rUnion

set of 9928 rules

1. Coverage：计算规则的覆盖率(calculate coverage for rules)

1. 描述

计算规则的覆盖率(lhs的支持度)

1. 用法

coverage(x, transactions = NULL, reuse = TRUE)

#### x：规则集合

### transactions：用于生成"x"的数据集，当"x"的quality插槽不包含支持度和置信度时才需要指定该参数

### reuse：重新使用存储在"x"中的支持度和置信度，或者重新从transactions中计算

1. 细节

Coverage is calculated from the rules quality measures (support and confidence) stored in the quality slot

1. 返回值

A numeric vector of the same length as x containing the coverage values for the sets in x.

1. 例子

## find and some rules (we only use 5 rules here) and calculate coverage

> data(‘Income‘)

> rules <- apriori(Income)[1:5]

> quality(rules) <- cbind(quality(rules), coverage = coverage(rules))

> inspect(rules)