3.3 训练模型

  现在已经把数据整理为了适用于apriori算法的类型，并且也对数据有了简答的了解。接下来我们就开始探寻购物车中商品之间的关联：

rules <- apriori(groceries, 
                 parameter = list(minlen = 2,  # 规则的最低频数为2
                                  maxlen = 4,  # 规则的最高频数为4
                                  supp = 0.01, # 支持度设置为0.001
                                  conf = 0.5)) # 置信度设置为0.001

## Apriori
## 
## Parameter specification:
##  confidence minval smax arem  aval originalSupport maxtime support minlen
##         0.5    0.1    1 none FALSE            TRUE       5    0.01      2
##  maxlen target   ext
##       4  rules FALSE
## 
## Algorithmic control:
##  filter tree heap memopt load sort verbose
##     0.1 TRUE TRUE  FALSE TRUE    2    TRUE
## 
## Absolute minimum support count: 14 
## 
## set item appearances ...[0 item(s)] done [0.00s].
## set transactions ...[38 item(s), 1499 transaction(s)] done [0.00s].
## sorting and recoding items ... [38 item(s)] done [0.00s].
## creating transaction tree ... done [0.00s].
## checking subsets of size 1 2 3 4 done [0.01s].
## writing ... [4910 rule(s)] done [0.00s].
## creating S4 object  ... done [0.00s].

rules

## set of 4910 rules

  我们根据设置好的参数对数据构建关联规则，最后根据返回的结果得知共建立了4910条规则。下面我们可以根据自己的需求去筛选有用的规则。

一般有三个需求：

• 更关注关联项集在总体中所占比重[根据支持度对规则进行降序排列]
• 更注重规则本身的可靠性[根据置信度对规则进行降序排列]
• 更关注关联规则的可靠性[根据提升度对规则进行降序排列]

  我们首先观查一下前3个规则，然后假设我们更关注关联规则的可靠性，那么我们按照提升度对规则进行降序排列：

inspect(rules[1:3]) # 观察前三个规则

##     lhs            rhs          support   confidence lift     
## [1] {hand soap} => {vegetables} 0.1407605 0.5926966  0.9926841
## [2] {tortillas} => {vegetables} 0.1460974 0.5983607  1.0021705
## [3] {shampoo}   => {vegetables} 0.1454303 0.5860215  0.9815042

rules2 <- sort(rules, by = "lift", decreasing = T) # 按照提升度对规则进行降序排列
inspect(rules2[1:5])                               # 观察前五个规则

##     lhs                                     rhs               support   
## [1] {hand soap,individual meals,waffles} => {cheeses}         0.01000667
## [2] {aluminum foil,milk,sandwich loaves} => {tortillas}       0.01000667
## [3] {ice cream,paper towels,soda}        => {aluminum foil}   0.01000667
## [4] {paper towels,shampoo,soap}          => {sandwich loaves} 0.01000667
## [5] {bagels,beef,pasta}                  => {milk}            0.01000667
##     confidence lift    
## [1] 0.6250000  2.402244
## [2] 0.5555556  2.275349
## [3] 0.6000000  2.271212
## [4] 0.5555556  2.232648
## [5] 0.6000000  2.215271

  返回结果的lhs和rhs所对应的列分别是规则的前项(触发规则需要的条件)和后项(满足触发条件的预期结果)。

  比如规则的第五条，用通俗的语言来讲就是：“如果某顾客购买了百吉饼、牛肉和意大利面，那么他还可能购买牛奶。”

• 这条规则的支持度为0.01，即此种交易现象在所有的交易中出现的占比大约为1%
• 置信度为0.6，即前项出现的情况下，后项也发生的概率为60%
• 提升度为2.4，提升度大于1，即此规则的可靠性不错

  上述规则看起来还是挺和谐的，但是咱们再看看第一条规则：“如果某顾客购买了香皂、单人餐和华夫饼，那么他还可能购买奶酪。”这样的规则看起来就令人费解了，这样的规则貌似没有一个合理的逻辑去解释，但是数据又为规则提供了一定的依据。为了解决这个问题，我们一般会把产生的规则分为3类：

• 可行的规则[直接应用于市场]
• 平凡的规则[无需理会]
• 不明的规则[不采用或者作为尝试]