关联规则

Question

我想从一个数据集的文本字段计算的关联规则，如使用Python下面之一：

ID fav_breakfast 
1 I like to eat eggs and bacon for breakfast. 
2 Bacon, bacon, bacon! 
3 I love pancakes, but only if they have extra syrup! 
4 Waffles and bacon. Eggs too! 
5 Eggs, potatoes, and pancakes. No meat for me! 

请注意，Orange 2.7不是因为我使用Python的当前版本（3.6），所以Orange 3是公平的游戏;然而，我似乎无法弄清楚这个模块如何处理这种格式的数据。

的第一步，在我心中，将上述转换成稀疏矩阵，如（截）所示之一：

接下来，我们将要删除停止单词（例如I，to，and for等），大写/小写问题，数字，标点符号，诸如马铃薯，土豆，马铃薯等词语（以词形表示）。

一旦这个稀疏矩阵就位，下一步就是计算稀疏矩阵中所有单词/字符串之间的关联规则。我在R中使用arules包完成了这项工作;然而，我还没有能够为Python识别“arules等效”。

我设想的最终解决方案将包括一个左侧和右侧参数列表，以及支持，信心和规则的升降，以降序排列，最高升力规则位于最高和最低升程规则在底部（再次，易于获得R与arules）。

此外，我希望能够指定“培根”的右侧，同时显示规则的支持，信心和提升，并按照最高升降规则以“培根” “在顶部和最低的提升规则与底部的”培根“有关。

使用Orange3-Associate可能是这里的路线;然而，我在网上找不到任何好的例子。感谢您的帮助！

Answer 1

这是你想到的吗？ Orange应该能够传递一个插件的输出，并将它们用作另一个插件的输入。

[编辑] 我能够重构代码的情况下，但它远不如性感：

import numpy as np 
from orangecontrib.text 
import Corpus, preprocess, vectorization 
from orangecontrib.associate.fpgrowth import * 

data = Corpus.from_file("deerwester") 
p = preprocess.Preprocessor() 
preproc_corpus = p(data) 
v = vectorization.bagofwords.BoWPreprocessTransform(p, "Count", preproc_corpus) 
N = 30 
X = np.random.random((N, 50)) > .9 
itemsets = dict(frequent_itemsets(X, .1)) 
rules = association_rules(itemsets, .6) 
list(rules_stats(rules, itemsets, N))