R 规则 : Find closed association rules

Question

在 aRules R 中的包，我怎样才能有效地找到封闭关联规则？即具有封闭 LHS 项集的规则

如果添加任何项都会减少支持，则项集被关闭。

该软件包提供以下挖掘选项:

target: a character string indicating the type of association mined. One of

• "frequent itemsets"
• "maximally frequent itemsets"
• "closed frequent itemsets"
• "rules" (only available for Apriori)
• "hyperedgesets" (only available for Apriori; see references for the definition of association • hyperedgesets)

似乎没有“封闭规则”选项。有两个明显的解决方法:

1. 挖掘规则并对封闭项集应用过滤器

   rules = apriori(data, parameter=list(target="rules")))
   rules <- rules[is.closed(generatingItemsets(rules))]
   

这可能会很慢。例如，对于 10k 个项目的 5k 笔交易，aPriori 在 10 秒内生成了 8M 条规则。闭合过滤器花费了约 20 分钟，导致约 3k 条闭合规则。

挖掘封闭的频繁项集并应用关联过滤器(置信度、提升度等)

尚未实现，但这似乎是实现更简单的事情的一种迂回方式。

如果有人知道可以做到这一点的其他实现(其他 R 包甚至 R 之外的东西)，指针将非常有帮助。 例如。 The SPMF library似乎支持它，想知道是否有人有使用它的经验

Answer 1

函数ruleInduction()可用于创建由以下定义的封闭规则 裴等人。 (2000) 作为规则 X -> Y，其中 X 和 Y 是闭频繁项集。以下内容摘自手册页(略有增强):

data("Adult")
## find all closed frequent itemsets
closed <- apriori(Adult, 
   parameter = list(target = "closed", support = 0.4))

## use rule induction to produce all closed association rules
closed_rules <- ruleInduction(closed, Adult)

## X&Y are already closed, check that X is also closed
closed_rules[is.element(lhs(closed_rules), items(closed))]

## inspect the resulting closed rules
summary(closed_rules)
inspect(head(closed_rules, by = "lift"))