关联範例一关联规则基本概念.ppt

產生27個規則 調整參數與移除重複規則 #refine and pruning rules rule=apriori(Titan,parameter=list(minlen=2,supp=0.005,conf=0.8),appearance=list(rhs=c(Survived=No,Survived=Yes),default=lhs)) rulesort=sort(rule,by=lift) inspect(rulesort) subset.matrix=is.subset(rulesort,rulesort) redundant=colSums(subset.matrix) 1 which(redundant) rulepruned=rulesort[!redundant] inspect(rulepruned) 限定後項參數為Survived 移除重複規則 再調整前項後項參數的程式碼 rule2=apriori(Titan, control = list(verbose=F),parameter = list(minlen=3, supp=0.002, conf=0.2),appearance = list(default=none, rhs=c(Survived=Yes), lhs=c(Class=1st, Class=2nd, Class=3rd,Age=Child, Age=Adult))) rule2.sorted= sort(rule2, by=confidence) inspect(rule2.sorted) 再審視兒童的存活率和艙等 關聯規則視覺化 library(arulesViz) #Heat map (熱圖) plot(rulepruned) #Balloon plot (氣球圖) plot(rulepruned,method=grouped) # Graph (網路圖) plot(rulepruned,method=graph,control =list(type=items)) # Parallel coordinates plot (平行座標圖) plot(rulepruned, method = paracoord, control = list(reorder = TRUE)) Heat map (熱圖) Balloon plot (氣球圖) Graph (網路圖) 平行座標圖 資料關聯範例四 函數【cspade】檔案 TelRepair.txt 750 cases 5915 records 3 fields 序列分析 序列(Sequence)分析的重點在於資料中必須存在先後順序的關係(例如時間) 序列分析類似於關聯規則，但還得考量時間的先後順序，也就是說著重時間的順序作資料關聯的分析， 序列分析可以提供我們針對客戶客製化行銷的預測，掌握良機，當某位客戶買了某項產品後，就已經預告將來的某個時間點會再度買我們的附加產品或服務 維修案例檔案說明 檔案TelRepair.txt包括750個維修案例，共有 5915紀錄，3個欄位 第1個欄位是ID，對應一份診斷修理報告，第2個欄位紀錄著每個ID修理診斷的順序，第3個欄位紀錄每次修理診斷的動作 每份診斷修理報告開始以代碼90表示(但只有727個案例是)，成功完成修理以代碼210表示，若問題無法成功解決，則以代碼299表示 練習失敗案例檔案FailTelRepair.txt 檔案格式(不需欄名) Modeler執行結果(成功率92%=690/750) 重複修理( 22.133% = 166/750個id) 序列分析的程式碼 # cspade TelRepair library(arulesSequences) repair=read_baskets(d:\\stella\\R\\TelRepair.txt,sep=\t,info=c(sequenceID,eventID)) arulesSeq=cspade(repair,parameter = list(supp=0.2),control = list(verbose=T),tmpdir=tempdir()) summary(arulesSeq) as(arulesSeq,data.frame) R執行結果(成功率92%=690/750) 重複修理( 22.133% = 166/750個id) 練習:失敗案例 FailTelRepair.txt * 關聯範例一:關聯規則基本概念 關聯範例二:購物產品關聯分析 關聯範例四:維修案例的序列分析 4 2 3 1 3.資料關聯 Association 關聯範例三:鐵達尼號關聯分析 資料關聯範例一 函數【apriori】檔案 beer.xls