R中的Arules：非常高的升力测量值

使用Arules包运行Apriori，生成具有很高提升力的规则

例如：

A->B支撑=0.0023置信度=0.6832提升=28.02

（最小支持度=0.002，最小配置度=0.2）

---

在一些规则中，电梯高达250英尺！我曾看到人们讨论过大于1的提升（大多数人提升度量代表购买X时购买Y项的可能性，同时控制Y项的受欢迎程度：

支架（X，Y）/（支架（X）*支架（Y））

---

通常，如果提升值大于1，则表示如果购买了项目X，则可能会购买项目Y，而如果提升值小于1，则表示如果购买了项目X，则不太可能购买项目Y。如果您有一个庞大的数据集，这将是一个有趣的问题，但是，使用您的小数据集和支持，这就不算什么了。请查看此处的示例e:

提升测量值表示购买X时购买Y项的可能性，同时控制Y项的受欢迎程度：

支架（X，Y）/（支架（X）*支架（Y））

---

通常，如果提升值大于1，则表示如果购买了项目X，则可能会购买项目Y，而如果提升值小于1，则表示如果购买了项目X，则不太可能购买项目Y。如果您有一个庞大的数据集，这将是一个有趣的问题，但是，使用您的小数据集和支持，这就不算什么了。请查看此处的示例e:

您将最小支持计数（在

arules

报告中的apriori）设置为

0.002*530交易=1.06

这意味着，每个规则中的项仅偶然出现在一起一次，将被视为导致许多具有很高提升力的虚假规则。例如，如果两个项（x和y）在数据集中仅出现一次，但恰好在同一事务中，则数据集的提升力为

提升（x->y）=支撑（x，y）/（支撑（x）*支撑（y））=（1/580/（1/580*1/580））=580

然而，这条规则不是很有用，因为它只是偶然发生的一次

以下文件详细介绍了这一问题和其他问题以及可能的解决方案：

---

您将最低支持计数设置为

0.002*530交易=1.06

这意味着，每个规则中的项仅偶然出现在一起一次，将被视为导致许多具有很高提升力的虚假规则。例如，如果两个项（x和y）在数据集中仅出现一次，但恰好在同一事务中，则数据集的提升力为

提升（x->y）=支撑（x，y）/（支撑（x）*支撑（y））=（1/580/（1/580*1/580））=580

然而，这条规则不是很有用，因为它只是偶然发生的一次

以下文件详细介绍了这一问题和其他问题以及可能的解决方案：

---

您的支持率不高。有多少个观察值真正属于该支持？完全不属于主题。没有编码内容。没有数据示例。大约530个观察值。数据非常稀疏，@Dason。对于530个观察值，

support=0.0023

将意味着该规则仅适用于单个数据点！抱歉，我认为我的评论是s误导。交易总数约为20万。530是使用该规则观察到的数量（即规则中的cnt）您的支持率不高。有多少个观察值实际属于该支持？完全没有主题。没有编码内容。没有数据示例。大约530个观察值。数据非常稀疏，@Dason。对于530个观察值，

support=0.0023

将意味着该规则仅适用于单个数据点！抱歉，我认为我的评论有误ading.交易总数约为200k。530是使用该规则观察到的数量（即规则中的cnt）抱歉，我的意思是530是满足支持要求的事务数。我有大约200000个事务。在本例中，这意味着这些项高度相关。有时数据生成过程会创建高度相关的项，问题是这些相关性是否对应用程序感兴趣。谢谢，这篇文章非常有用ful。对不起，我的意思是530是满足支持的事务数。我有大约200000个事务。在本例中，这意味着这些项高度相关。有时数据生成过程会创建高度相关的项，问题是，应用程序是否对相关感兴趣。谢谢，这篇论文非常有用有用。