将边缘列表转换为arules事务稀疏邻接矩阵

我有边缘形式的事务数据，并且需要创建基于事务的稀疏矩阵，该矩阵可以与arules R包一起使用。目前我正在使用tidyr软件包中的“spread”将边缘列表转换为矩阵，并将每行转换为“basket ID”，然后将其转换为逻辑，因为我无法将数量信息与arules一起使用，所以将其转换为“交易“为基础的数据类型，请参阅下面的R代码示例：将边缘列表转换为arules事务稀疏邻接矩阵

我的问题是，这适用于小集篮子/交易，但是当我有更多时，由于”传播“功能导致内存问题。我想知道是否有与原边视图到arules用途？在此先感谢您的任何建议交易数据类型转换了更大的内存/资源有效方式！

## Load libraries 

library(tidyr) 
library(arules) 

## Create an example of the transactions that I am analizing 

TransEdgeList = data.frame(BasketID=c(1,1,2,2,3,3,3), 
           Item=c(10,11,10,12,10,11,13), 
           Qty=c(1,1,2,3,1,2,1)) 

#convert to something that arules can transform 
BasketDataFrame = spread(TransEdgeList, Item, Qty) 

#convert to logical 
BasketDataFrame[, 2:dim(BasketDataFrame)[2]]= 
    !is.na(BasketDataFrame[, 2:dim(BasketDataFrame)[2]]) 

#convert to a transaction sparse matrix that arules can use 
BasketMatrix = as(BasketDataFrame[, 2:dim(BasketDataFrame)[2]], "transactions") 

BasketMatrix

来源

2016-10-10 Kevin

是'table'还好吗？ '表（TransEdgeList [1：2]）'或'xtabs（〜BasketID + Item，data = TransEdgeList，sparse = TRUE）' – user20650

我会手工创建一个稀布L ogical triplet矩阵（ngTMatrix），将其转换为稀疏的ngCMatrix，然后可以将其转换为交易对象。这种方式从来没有创建完整的矩阵表示，你应该记忆明智。

library(arules) 
library(Matrix) 

TransEdgeList <- data.frame(BasketID=c(1,1,2,2,3,3,3), 
    Item=c(10,11,10,12,10,11,13), 
    Qty=c(1,1,2,3,1,2,1)) 

m <- new("ngTMatrix", 
    i = as.integer(TransEdgeList$Item)-1L, 
    j = as.integer(TransEdgeList$BasketID)-1L, 
    Dim = as.integer(c(max(TransEdgeList$Item), max(TransEdgeList$BasketID)))) 

m <- as(m, "ngCMatrix") 

tr <- as(m, "transactions") 
inspect(tr) 

    items  itemsetID 
[1] {10,11} 1   
[2] {10,12} 2   
[3] {10,11,13} 3

来源

2016-10-10 20:08:21

谢谢迈克尔！这只是我需要的。 – Kevin

另一种方法是使用'？'的例子。交易“：a_df3 < - data.frame（ TID = c（1,1,2,2,2,3）， item = c（”a“，”b“，”a“，”b“， “c”，“b”））; trans4 < - as（split（a_df3 [，“item”]，a_df3 [，“TID”]），“transactions”）'。我认为应该有类似的表现。 –

将边缘列表转换为arules事务稀疏邻接矩阵

回答

相关问题