先验算法-R

1、数据预处理

代码：

# Data Preprocessing
# install.packages('arules')
library(arules)
dataset = read.csv('Market_Basket_Optimisation.csv', header = FALSE)
dataset = read.transactions('Market_Basket_Optimisation.csv', sep = ',', rm.duplicates = TRUE)

导入的数据.PNG
处理后的数据.PNG

2、预览数据信息确定参数

代码：

summary(dataset)
itemFrequencyPlot(dataset, topN = 10)

数据基本信息.PNG
一周购买频率.PNG

3、聚合先验模型

代码：

# Training Apriori on the dataset
rules = apriori(data = dataset, parameter = list(support = 0.003, confidence = 0.2))

我们会不断地调整参数，当我们发现某些相关度不是很大的食物聚在一起，就要调整信息度，当我们想提高提升度，就要想办法将数据集的筛选范围变大。

4、可视乎先验模型

代码：

# Visualising the results
inspect(sort(rules, by = 'lift')[1:10])

0.03&0.2.PNG 0.04&0.2.PNG

我们可以通过减小信息度，增大提升度，可以通过增加最小支持度，虽然此时提升度会减小，但是相关的食物都是购买频率比较高的。
商家综合商场的大小布局，确定哪些食物应该放到一起，哪些食物应该不放到一起。