r - 如何只为规则中的特定列获取LHS和RHS的 Material ？

Question

在apriori函数中，我希望结果仅在LHS HouseOwnerFlag=0和HouseOwnerFlag=1中包含这两个变量。 RHS应该只包含Product列中的属性。例如:

#   lhs                   rhs                                          support confidence     lift
# 1 {HouseOwnerFlag=0}    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {HouseOwnerFlag=1}    => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {HouseOwnerFlag=0}    => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1}    => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

这个问题解决了部分答案:
R arules, mine only rules from specific column

因此，现在我使用以下内容: rules <- apriori(sales, parameter=list(support =0.01, confidence =0.8, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1")))
然后，我从另一个SO问题中使用它来确保RHS上只有“产品”列: inspect( subset( rules, subset = rhs %pin% "Product=" ) )
结果是这样的:

#   lhs                                                                  rhs                                          support confidence     lift
# 1 {ProductKey=153, IncomeGroup=Moderate, BrandName=Adventure Works }    => {Product=SV 16xDVD M360 Black}            0.2500000  0.2500000 1.000000
# 2 {ProductKey=176, MaritalStatus=M, ProductCategoryName=TV and Video }  => {Product=Adventure Works 26" 720p}        0.2500000  0.2500000 1.000000
# 3 {BrandName=Southridge Video, NumberChildrenAtHome=0 }                 => {Product=Litware Wall Lamp E3015 Silver}  0.1666667  0.3333333 1.333333
# 4 {HouseOwnerFlag=1, BrandName=Southridge Video, ProductKey=170 }       => {Product=Contoso Coffee Maker 5C E0900}   0.1666667  0.3333333 1.333333

因此，显然LHS能够包含所有可能的列，而不仅仅是我指定的 HouseOwnerFlag。从其他stackoverflow问题中，我看到可以将 default="rhs"放在apriori函数中，如下所示: rules <- apriori(sales, parameter=list(support =0.001, confidence =0.5, minlen=2), appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), default="rhs"))
然后在检查时(没有子集部分，只有 inspect(rules)，规则(7)比以前少得多，但实际上它在LHS中仅包含 HouseOwnerFlag:

#   lhs                   rhs                           support     confidence lift
# 1 {HouseOwnerFlag=0}    => {MaritalStatus=S}          0.2500000  0.2500000   1.000000
# 2 {HouseOwnerFlag=1}    => {Gender=M}                 0.2500000  0.2500000   1.000000
# 3 {HouseOwnerFlag=0}    => {NumberChildrenAtHome=0}   0.1666667  0.3333333   1.333333
# 4 {HouseOwnerFlag=1}    => {Gender=M}   0.1666667     0.3333333  1.333333

但是，在RHS中，RHS中的“产品”列中没有任何内容。因此，它没有必要用 inspect对其进行 subset编码，因为它将返回null。我用不同的支持号码对其进行了几次测试，以进行试验，看看是否会出现“产品”，但7条相同的规则保持不变。

所以我的问题是，如何同时指定LHS(房屋所有者标志)和RHS(产品)？我究竟做错了什么？

编辑:您可以通过从 https://www.dropbox.com/s/tax5xalac5xgxtf/testdf.txt?dl=0下载此testdataset重现此问题
请注意，我只从一个巨大的数据集中获取了前20行，因此不幸的是，此处的输出不会具有与上面显示的示例相同的产品名称。但是问题仍然存在。我希望只能在LHS上获得 HouseOwnerFlag=0和/或 HouseOwnerFlag=1，而在RHS上获得 Product列。

Answer 1

似乎无法一次约束lhs和rhs(在处理您的数据之前，我也没有约束)。但是您可以使用子集。 编辑:我错了，您也可以一次约束lhs和rhs，请参见下面的另一种解决方案。 我保留解决方案1，因为在某些情况下，计算较大的集合然后由左侧拆分可能会很有用。

解决方案1:

rules_sales <- apriori(sales, 
                   parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                   appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                                     default="rhs"))

rules_subset <- subset(rules_sales, (rhs %in% paste0("Product=", unique(sales$Product))))
inspect(rules_subset)

给出:

  lhs                   rhs                                                support confidence lift
1 {HouseOwnerFlag=0} => {Product=SV DVD Movies E100 Yellow}                   0.05        0.5   10
2 {HouseOwnerFlag=0} => {Product=Fabrikam Refrigerator 4.6CuFt E2800 Grey}    0.05        0.5    5
3 {HouseOwnerFlag=1} => {Product=Contoso SLR Camera M144 Gold}                0.10        0.5    5

但是您应该注意自己的低支持率:

Warning in apriori(sales, parameter = list(support = 0.001, confidence = 0.5,  :
  You chose a very low absolute support count of 0. You might run out of memory! Increase minimum support.

解决方案2:

我对参数default的定义感到迷惑。立即使用lhs和rhs会告诉分配给其中一个的每个项目，它们只能用于lhs/rhs。参数“default”自动设置为“both”和“lhs/rhs”中未使用的所有其他项都可以同时使用(R包中实现的外观参数的说明: http://www.inside-r.org/node/86290，我意识到当阅读原始C实现的手册: http://www.borgelt.net/doc/apriori/apriori.html#appearin)。您必须设置 default="none"，然后可以限制lhs和rhs，而无需稍后使用子集。

rules_sales <- apriori(sales, 
                       parameter=list(support =0.001, confidence =0.5, minlen=2, maxlen=2), 
                       appearance = list(lhs=c("HouseOwnerFlag=0", "HouseOwnerFlag=1"), 
                       rhs=paste0("Product=", unique(sales$Product)), default="none"))