在arules中一步与两步相结合的规则挖掘--为什么它有区别？

Question

根据我的理解，Apriori算法首先找到所有满足支持阈值的频繁项集，然后从满足最小置信度的频繁项集中生成强关联规则。

因此，我期望在R包条款中：

txs <- as(inputDataTable,"transactions") itemsets <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="frequent itemsets")) rules <- ruleInduction(itemsets)

和

txs <- as(inputDataTable,"transactions") rules <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="rules"))

会导致相同的规则，但是在第二个例子中可以找到更多的规则，我不明白为什么。

有人能解释一下为什么吗？我正试着把我的头挪开一会儿.

Answer 1

好的..。现在我知道问题出在哪里了。

对于任何遇到类似问题的人来说。问题是，信心应该(当然)在ruleInduction()步骤中设置，而不是在查找所有项目集时设置。因此，只有支持才是相关的。因为我没有在ruleInduction()步骤中给出信任值，所以使用了信任的默认值0.8，从而找到了更少的规则。

这样做：

txs <- as(inputDataTable,"transactions") itemsets <- apriori(txs, parameter = list(support = 0.05, target="frequent itemsets")) rules <- ruleInduction(itemsets, confidence = 0.7)

和

txs <- as(inputDataTable,"transactions") rules <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="rules"))

也会导致同样的结果。:)