arules

    0熱度

    1回答

    我想從由arules生成的規則中提取lhs項目。 例如, {a,b,c} => {d} 我希望能夠提取a,b,c並把它放在一個特徵向量,這樣我就可以根據這些項目進行迭代,並做進一步處理。 目前,我可以考慮解析規則集,將其轉換爲數據框,然後使用字符操作/正則表達式分離這些項目。我希望有更好的方法來提取這些項目。

    0熱度

    1回答

    我有這樣的數據data redundant。所以,我想通過唯一代碼刪除冗餘項目,然後我得到了像this這樣的數據。然後我嘗試通過arules獲得規則。 library(arules) library(qpcR) data<- read.csv("Book1.csv", header=TRUE) b<-sapply(1:ncol(data), function(x) unique(data[,

    0熱度

    1回答

    我有一個數據框,我試圖強制插入使用arules包進行分析的事務對象。這裏是我的問題的一個可重複的例子: df <- data.frame( case_number = c("1001", "1001", "1002", "1002", "1003"), date = as.Date(c("2016-04-19", "2016-04-21", "2016-05-21", "2016

    0熱度

    1回答

    我使用事務對象上的arules包的apriori命令,一個CPU在20分鐘左右的時間內上升到97%左右。然後它下降到0.7%和0.3%之間的循環,並且已經這樣做了約24小時。並且我沒有在RStudio中回覆提示;只是閃爍。我有2666個交易和376個項目。某些交易之間可能有很多相似之處,這意味着某些交易可以共享超過100個項目。 這是我第一次使用這個軟件包,所以我想知道這種行爲是否正常,或者我該怎

    0熱度

    2回答

    我目前有apriori函數的問題。事情是我有類似如下的CSV: Desc,Cantidad,Valor,Fecha,Lugar,UUID DESCUENTO,1,-3405,2014-10-04T14:02:57,53100,7F74AFC0-FC28-4105-89A5-CD99416B50C7 DESCUENTO,1,-3405,2014-10-04T14:02:57,53100,7F74

    1熱度

    2回答

    在R中的aRules包中,我怎麼能有效地找到關閉關聯規則?即具有封閉LHS項目集的規則 如果添加任何項目會減少支持,則項目集關閉。 的包提供以下采礦選項: 目標:指示關聯的開採的類型的字符串。 一個 「頻繁項集」 「最大頻繁項集」 「閉頻繁項集」 「規則」(僅適用於先驗) 「hyperedgesets」(僅適用對於Apriori;參見定義關聯•超定值) 似乎沒有「封閉規則」選項。有兩個明顯的變通辦

    3熱度

    1回答

    我有一個數據集,看起來像這樣: "user.get","search_restaurants","cuisines.get" "user.get","search_restaurants","user.get","search_restaurants" "order/address/get_user_addresses" "search_restaurants","search_restau

    0熱度

    1回答

    我試圖從CSV中找到關聯規則我有以下列: 說明它是什麼被購買的描述和UUID這是每個事務的唯一ID來自個人。這意味着它可以是幾個Desc對於一個UUID 我試圖找到的關聯規則的類型是,例如,如果我看到許多不同的UUID有兩個Desc,稱他們爲肉和啤酒。一條規則會顯示出:{肉} => {啤酒},它的支持,信心和提升。 的CSV可以在這裏找到:https://github.com/antonio169

    2熱度

    1回答

    我用Pandas將Python導入到Python中,我希望能夠使用一個作爲列作爲事務ID,以便制定關聯規則。 (鏈接:https://github.com/antonio1695/Python/blob/master/nearBPO/facturas.csv) 我希望有人能幫助我: 使用UUID作爲事務ID,讓我有類似下面的數據框: UUID Desc 123ex Meat,Beer 爲了

    0熱度

    1回答

    我有一個關於R中的先驗規則部署的問題。我基本上想爲每個客戶分配預測(項目)和置信度值,所以我可以創建一個簡單的推薦系統,所以下面是我的規則集的一個子集,我已經獲得, bread&wine -> meat (confidence 54%) cheese -> fruit (confidence 43%) bread&cheese -> frozveg (confidence 24%) 以下是