项目介绍
不同年级、性别和入学人数的学生参加了一项测试。为每个学生记录测试结果“成功”或“不成功”,并保存在“A1_success_data.csv”中。在这个任务中,您将使用关联规则来挖掘这四个属性(即年级、性别、入学人数和成功)之间的有趣关系。
-
通过应用不同的“支持”阈值和阈值,生成频繁项集并提取它们的关联规则并通过显示这些项集的支持度、置信度和提升值来检查它们。
-
获取右手边(rhs)唯一属性为“成功”的规则,以帮助预测学生是否能成功,是否通过此测试取决于他/她的年级、性别和/或入学情况。
-
将上一步中生成的规则可视化
显示support, confidence和 lift之间的关系。
利用基于 lift值排序的图形可视化。
项目开始
- 通过应用不同的“支持”阈值和阈值,生成频繁项集并提取它们的关联规则并通过显示这些项集的支持度、置信度和提升值来检查它们。
首先读取数据集。
library(arules)
library(arulesViz)
task3<-read.csv("A1_success_data.csv")
设置support = 0.00。
用于生成频繁项集的Apriori算法。支持度的值在开始时设置为0,以获得先验结果的一般实现。上面显示的代码显示支持集的值为0,在频繁项集中,序列按支持度排序。在“rules”中,支持设置为0,排序遵循“lift”帮助,以便按lift比较每个规则。
在频繁项中,生成375个项集。由于support的值为0,因此此列表中包含一些support为0的项集。很明显,删除所有支持等于零的项集的阈值约为0.0004543(第109个项集,按支持排序)。下一次尝试修复支持值是0.0004以过滤无意义的数据。
过提取项目集关联规则,获取详细信息,上图截图显示支持度、信心度、提升度汇总。这些数据大多是没有意义的,因为支持阈值没有被保持。
设置support = 0.0004。
支持阈值设置为0.0004,删除itemsets support为0的项。
通过生成频繁项目集,当支持值为0.0004时,汇总显示的项目集数量减少为109。最小值和最大值对数据分析更可靠。