【R的机器学习】Apriori算法

首先关联规则很简单，但是数据的转化具有一定的复杂。

先说关联规则，举个通俗的例子，也就是看很多东西之间的关联度，而这个关联度和数值层面的相关性类似，但是通常处理的是因子型或文本型数据。比如购物车的关联购买。

比如很多人买了啤酒，然后又买了烟，从业务层面，我们希望卖酒的旁边就是卖烟的，这样能刺激相同用户购买。说到这，可以看到，关联规则是一个特殊的聚类，也就是探究人群购物的本质；但是这种聚类是纯粹的从商品层面聚类，比如烟和酒是一类，烟酒茶是一类，口香糖和大蒜是一类等等等等，通过关联规则，可以判定这部分商品是最多用户买的，放在一起就会有更高的价值。

那么说道这，R中有很多的包都是用来计算关联规则的，一般用Aprior算法，这个算法关注三个指标，support,confidence,lift；

通俗点说，support就是购买单一商品的概率，这个指标有什么用呢？比如整个超市的搓澡巾就卖出去10个，即使所有的商品都和肥皂有关联，可能我们也会舍弃他，因为本身的概率很小，这个指标理解为卡掉那些不被经常购买的商品。

confidence，就是置信区间，可以通俗理解为，我购买几个商品组合，和我购买单一商品相比有多大，举个例子，如果我买了10个搓澡巾，8个都是和肥皂一起买的，这个{搓澡巾、肥皂}对于{搓澡巾}的置信区间就是0.8

lift，可以理解为提升度；比如商店一共卖10个搓澡巾，20块肥皂；其中搓澡巾和肥皂在一起的有8次，也就是{搓澡巾，肥皂}=8；也就是说同时发现两种产品的概率为0.8，而单独卖搓澡巾就是0.2，单独卖肥皂就是1.2，搓澡巾的提升度为0.8/0.2=4，而肥皂的提升度为0.8/1.2=0.67；也就是说，有肥皂的时候比没有肥皂的时候搓澡巾卖的更好；而反之不成立

说完这些，我们看下稀疏矩阵的处理，因为从SQL推出的数据是这样的：

test<-data.frame(a=c('A','A','A','B','B','C'),b=c('P1','P2','P3','P1','P2','P1'))

a  b
1 A P1
2 A P2
3 A P3
4 B P1
5 B P2
6 C P1

也就是我们说的长格式，但是如果我们应用Apriori函数进行关联规则探索的话，Apriori应用的格式是一行里面，有很多sep，然后把数据分割成点，类似这样：

citrus fruit,semi-finished bread,margarine,ready soups
tropical fruit,yogurt,coffee
whole milk
pip fruit,yogurt,cream cheese ,meat spreads
other vegetables,whole milk,condensed milk,