r - 从 SQL Server 获取数据时使用 arules 的关联规则

Question

也许我只是愚蠢，但即便如此，我还是很感激一些有用的评论。

我确实有一个包含 ID、文章和文章属性(即分组)的数据集。使用 RODBC ，我从 SQL Server 数据库中获取表(使用 sqlFetch )。因此，我找不到使用 read.transactions 的方法。来自 arules 包。该格式构造为每行是文章+分组组合的ID。该表有 2200 万行，大约有 1100 万个唯一 ID。文章库大约有 500,000 篇文章。出于说明目的，我创建了一个这样的示例数据框

dat <- data.frame(id <- rep(paste0("id", 1:5),1, each=3),
                  article <- rep(paste0("A", sample(1051:1069,15,T))), 
                  groupA <- paste0(sample(LETTERS[1:3],15,TRUE), sample(1:3, 15,T))
)
colnames(dat) <- c("id", "article", "groupA")
dat$groupB[dat$groupA == "A1"|dat$groupA == "A2"|dat$groupA =="A3"] <- 1
dat$groupB[dat$groupA == "B1"|dat$groupA == "B2"|dat$groupA =="B3"] <- 2
dat$groupB[dat$groupA == "C1"|dat$groupA == "C2"|dat$groupA =="C3"] <- 3

导致类似于此的数据框

    id article groupA groupB
1  id1   A1053     B3      2
2  id1   A1051     B1      2
3  id1   A1067     B2      2
4  id2   A1054     B1      2
5  id2   A1069     B1      2
6  id2   A1068     A3      1
7  id3   A1053     C3      3
8  id3   A1066     B3      2
9  id3   A1057     A2      1
10 id4   A1056     B1      2
11 id4   A1065     C1      3
12 id4   A1069     A3      1
13 id5   A1066     A3      1
14 id5   A1062     A3      1
15 id5   A1059     B2      2

我想使用 arules 包进行购物篮分析。但是，如果我使用 txn <- as(dat, "transactions") 将 data.frame 传输到交易对象每一行都被标识为一个篮子。是否有可能将 arules 指向 id 变量作为标识符？基本上，我正在寻找 "single"来自 read.transactions 的选项as 中的函数-转型。第二个相关问题是:我可以将属性与 arules 包一起使用吗？我认为需要对 apriori 进行分析算法不仅在文章级别而且在分组级别。例如。如果我买A1053的文章，我发现一个规则推荐groupA B3。这可能吗？

Answer 1

简答:拆分。我查看了 read.transactions 代码(它在 R 中，对于熟悉 R 的人来说很容易访问)。它做了一些很好的检查，但基本的代码行似乎是:

entries <- split(entries[[cols[2]]], entries[[cols[1]]])
as(entries, "transactions")

在你的例子中:

dat <- split(dat$article, dat$id)
ts <- as(dat, "transactions")

如果您愿意，可以在 read.transactions 函数上做一个变体，从 RODBC 连接而不是平面文件读取。