1

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一个预测（项目）和一个置信度值，这样我就可以创建一个简单的推荐系统，所以下面是我获得的规则集的一个子集,

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

以下是我想通过 1 个客户实现的目标的简单表示；这是在篮子或真值表数据中。

身份证|面包|酒| 奶酪 Pred1 Conf1 Pred2 Conf2

1 | 1 | 1 | 1 肉| 0.54| 水果| 0.43

这可以通过简单地将数据集连接到 IBM SPSS Modeler 中的模型块来完成，但在 R 中似乎并不容易。

任何人都可以为我提供 R 代码中的解决方案或执行此操作的简单指南吗？

4

1 回答 1

2

包推荐实验室做你想做的（减去显示的信心）。下面是一些代码（改编自 recommenerlab 的文档），它从 Groceries 数据集中学习推荐模型并将其应用于前 10 笔交易：

 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"

以下是您在创建推荐器时可以使用的参数。

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
于 2016-07-17T08:55:01.137 回答