关联规则分析-R语言
公式
- Support 反映了特定变量组合在数据集中出现的频率。例如，如果特定变量 "A "在 30% 的实例中出现，则其支持度为 0.3：
support (Value a) =(number of transactions containing Value a) / (total number of transactions)
- Confidence 衡量的是当一种情况（结果）出现时，另一种情况（前因）出现的可能性。如果 "A "之后经常出现 "B"，那么 "A => B "这一规则的可信度就很高。
confidence (Value a ➞ Value b) =(support (Value a ∪Value b)) / (support (Value a))
- Lift 通过比较观察到的 "A "和 "B "同时出现的频率与如果它们独立出现的预期频率，来评估关联的强度。提升值大于 1 表示有意义的关联，有正负区别：
Lift(A⇒B)=(Support(A∩B))/(Support(A)×Support(B))
- Lift > 1：正向关联，前件的出现提升了后件的出现概率。Lift 越大，关联越强。
- Lift = 1：无关联，前件和后件的出现是独立的，前件的出现并不会改变后件出现的概率。
- Lift < 1：负向关联，前件的出现降低了后件的出现概率。）
数据准备
| NO. | col1 | col2 | ... | Effect_Size_Direction |
|---|
No.在数据包分析中会去除(目前是为了查数据方便才留在数据中的)
col均为数字编码
Effect_Size_Direction为1，0编码（1为正向，0为负向）
实现效果
| Rules | support | confidence | lift | coverage |
|---|---|---|---|---|
| 前件=>后件 | 前件后件同时出现的占比 | 前件成立的情况下后件成立的概率 | 与A、B为独立事件相比出现的可能性，反映AB的相关性 | 前件的占比 |
代码
r
# 1. 安装并加载必要的包
#install.packages("readxl") # 如果未安装，请运行这行
#install.packages("arules") # 如果未安装，请运行这行
library(readxl)
library(arules)
# 2. 读取 Excel 文件
data <- read_excel("data.xlsx")
# 3. 删除不需要的列，例如 No. 列
data <- data[, -1] # 删除第一列（ID列）
# 4. 确保所有的分类变量转换为因子
data$colname <- as.factor(data$colname)
### 5. 将 `Effect Size Direction` 作为后件（右侧）
rules_with_direction_as_rhs <- apriori(
data,
parameter = list(support = 0.1, confidence = 0.9),
appearance = list(rhs = c("Effect_Size_Direction=1", "Effect_Size_Direction=0"), default = "lhs")
)
# 查看生成的规则
inspect(rules_with_direction_as_rhs)
# 根据提升度筛选，只保留提升度大于 1 的规则
strong_rules_with_direction_as_rhs <- subset(rules_with_direction_as_rhs, lift > 1)
inspect(strong_rules_with_direction_as_rhs)
# 导出生成的规则到 CSV 文件
write(rules_with_direction_as_rhs, file = "rules_with_direction_as_rhs.csv", sep = ",", quote = TRUE, row.names = FALSE)
write(strong_rules_with_direction_as_rhs, file = "strong_rules_with_direction_as_rhs.csv", sep = ",", quote = TRUE, row.names = FALSE)