在R中的数据集中部署先验冗余

我有一个关于R中的先验规则部署的问题。我基本上想为每个客户分配预测（项目）和置信度值，所以我可以创建一个简单的推荐系统，所以下面是我的规则集的一个子集，我已经获得，在R中的数据集中部署先验冗余

bread&wine -> meat (confidence 54%) 
cheese -> fruit (confidence 43%) 
bread&cheese -> frozveg (confidence 24%)

以下是简单表示我想用1个客户实现的目标;这是一个篮子或真值表数据。

身份证|面包|红酒|奶酪Pred1 Conf1 Pred2 Conf2

1 | 1 | 1 | 1肉| 0.54 |水果| 0.43

这可以通过简单地连接数据集在IBM SPSS Modeler中的模型块来实现，但它似乎并不容易R.

谁能为我提供这个或R中代码的解决方案做这个简单的指导？

来源

2016-07-15 Teddy Kim

Package recommenderlab做你想做的（减去显示的信心）。下面是一些代码（改编自recommenerlab的文件），该学会从数据集买菜的推荐模式，它适用于前10个交易：

library(recommenderlab) 
data(Groceries) 
dat <- as(Groceries, "binaryRatingMatrix") 
rec <- Recommender(dat, method = "AR", 
    parameter=list(support = 0.0005, conf = 0.5, maxlen = 5)) 
getModel(rec) 

    $description 
    [1] "AR: rule base" 

    $rule_base 
    set of 38365 rules 

    $support 
    [1] 5e-04 

    $confidence 
    [1] 0.5 

    $maxlen 
    [1] 5 

    $measure 
    [1] "confidence" 

    $verbose 
    [1] FALSE 

    $decreasing 
    [1] TRUE 


pred <- predict(rec, dat[1:5,]) 
as(pred, "list") 
    [[1]] 
    [1] "whole milk"  "rolls/buns"  "tropical fruit" 

    [[2]] 
    [1] "whole milk" 

    [[3]] 
    character(0) 

    [[4]] 
    [1] "yogurt"  "whole milk" "cream cheese " "soda"   

    [[5]] 
    [1] "whole milk"

下面是参数当您创建的推荐，你可以使用。

recommenderRegistry$get_entry("AR", dataType = "binaryRatingMatrix") 
    Recommender method: AR 
    Description: Recommender based on association rules. 
    Parameters: 
    support confidence maxlen measure verbose decreasing 
    1  0.1  0.3  2 confidence FALSE  TRUE

来源

2016-07-17 08:55:01

作为R的初学者，我着迷于推荐程序包 - 它几乎解决了我推荐的所有mysterios！所以我浏览了recommenderlab文档，并了解到你可以指定或添加使用推荐函数的任何方法（我实际上试图使用序列模式进行推荐）。如何将序列模式指定为推荐函数的方法？非常感谢你michael！ –

目前在推荐实验室中没有序列模式的实现。你有没有看到一篇文章提出了一种方法？ –

在R中的数据集中部署先验冗余

回答

相关问题