使用R语言进行Foodmart数据的关联规则分析与可视化

使用R语言进行Foodmart数据的关联规则分析与可视化

• 数据集介绍
• 数据预处理
• 关联规则挖掘
• 规则可视化
• 商品类别间的关联规则
• 规则评估指标
• 附加说明

本文基于Foodmart1997和1998年的购物篮数据进行分析，这些数据已合并成一个名为sales.txt的数据集，其中商品通过编号表示。具体商品列表见productList.txt文件。本研究主要采用R语言的arules和arulesViz包进行关联规则的挖掘和可视化，部分数据预处理工作使用了Python。

# 导入库
library(arules)
library(arulesViz)
library(RColorBrewer)
library(shinythemes)

# 加载交易数据集
sales <- read.transactions("Sales.txt", format = "basket", sep = " ")
summary(sales)

上述代码加载了数据集并提供了基本的统计信息，包括交易总数、商品种类、密度、最常出现的商品及其频率、每笔交易的商品数量分布等。

首先，我们对交易数据进行了初步探索，计算了每个商品的出现频次和频率，并绘制了最常购买的前20种商品的图表。

itemFreq <- itemFrequency(sales)
basketSize = size(sales)
itemCount <- (itemFreq / sum(itemFreq)) * sum(basketSize)
orderedItemFreq <- sort(itemFrequency(sales), decreasing = TRUE)
itemFrequencyPlot(sales, topN = 20, horiz = TRUE)

使用apriori算法进行关联规则挖掘，通过设置最小支持度和置信度来筛选出有意义的规则。本例中，最小支持度设为0.00012，最小置信度设为0.3，最小规则长度设为2。

rules <- apriori(sales, parameter = list(support = 0.00012, cOnfidence= 0.3, minlen = 2))
ordered_rules <- sort(rules, by = "lift")
inspect(ordered_rules[1:5])

arulesViz包提供了多种关联规则的可视化方式，如散点图等，帮助直观理解规则之间的关系。

plot(rules, cOntrol= list(jitter = 1.5, col = rev(brewer.pal(9, "Blues")[4:9])), shading = "lift", cex = 0.3)

进一步分析时，将商品按类别汇总，再次进行关联规则挖掘。这一过程涉及到使用Python脚本处理原始数据，提取每个商品的类别信息，并生成新的交易数据集。

# Python脚本用于处理数据
# 省略具体代码...

处理后的数据用于R语言中进行进一步的分析，包括商品类别频率的图表展示和关联规则的挖掘。

sales_cat <- read.transactions("Sales_cat.txt", format = "basket", sep = " ")
rules_cat <- apriori(sales_cat, parameter = list(support = 0.001, cOnfidence= 0.1, minlen = 2))
ordered_rules_cat <- sort(rules_cat, by = "lift")
inspect(ordered_rules_cat[1:8])

除了常见的支持度、置信度和提升度外，还可以计算其他评估指标，如Phi系数等，以全面评估规则的有效性。

interestMeasure(ordered_rules_cat[1:5], measure = 'phi', transactiOns= sales_cat)

在实际应用中，可根据具体需求调整支持度和置信度的阈值，以获得更有价值的关联规则。深入解读挖掘出的规则，往往能揭示出有趣的商业洞察。