這門課程會跟同學介紹在R中常用的AssociationRule算法。
首先請同學安裝arules這個套件。
check_then_install("arules", "1.3.0")載入arules套件。
library(arules)接著，我們查一查arules有沒有vignette。
vignette(package = "arules")有一篇名叫arules的vignette。麻煩同學先打開它。
vignette("arules", package = "arules")這篇文章仔細的介紹arules套件所提供的演算法、參數，以及提供了範例。如果想要深入了解apriori演算法的同學，可以花點時間細讀這份文件。
讓我們先看看arules提供的apriori函數。請同學先打開apriori函數的說明頁面。
?apriori請問下列哪一個「不是」apriori函數的參數？請參考說明文件作答。
confidence
apriori的data參數必須要是transactions型態。所以我們要先探索何謂transactions型態的物件
請同學輸入：?"transactions-class"來打開transactions的說明文件。這裡因為文字中包含-這個符號，所以要用雙引號。
?"transactions-class"請問transactions物件預設「不能」從哪些物件轉換而來？請參考Details章節作答。
numeric vector
AssociationRules要挖掘的，就是透過探索哪些物品(Item)會共同出現在哪些交易(Transaction)中，而衍生出來的技術。在R裡面，我們要透過list、matrix或data.frame來告訴R這些物品和交易的資訊。
舉例來說，如果我們有三種物品：c("a","b","c")。而第一筆交易有c("a","b","c")，第二筆交易有c("a","b")，那我們就可以建立以下的list：record_list<-list(c("a","b","c"),c("a","b"))請同學試試看。
record_list <- list(c("a", "b", "c"), c("a", "b"))有了record_list之後，我們可以利用as來把record_list轉換成transactions物件。請同學輸入：record<-as(record_list,"transactions")
record <- as(record_list, "transactions")我們來看看record的結果。請同學輸入：record
record我們看到了2筆交易，因為length(record_list)為2。而且我們看到了3個物品，它們是：c("a","b","c")。
R也提供了summary來更仔細的檢視record。請同學輸入：summary(record)
summary(record)我們看到了更多更深入的資訊，例如出現最多次的物品、交易中包含的物品類別的分佈
接著，讓我們看一個真實的範例：AdultUCI資料。請同學輸入：data(AdultUCI)
data(AdultUCI)也請同學輸入：?AdultUCI來看一看arules套件針對這個範例資料的說明。有興趣的同學可以深入閱讀。
?AdultUCI由於AdultUCI有numeric型態的欄位，而AssociationRule基本上只能使用在類別型變數，所以我們需要先把AdultUCI作整理，把numeric變成factor，然後用剛剛學到的as函數轉換成transactions物件。說明文件的Example區塊有示範怎麼正確的做資料的整理與轉換。請同學輸入：example(AdultUCI)來讓R自動幫我們整理資料。
example(AdultUCI)這裡，我們把描述人的特色，當成「物品」，而把每個人當成「交易」。透過AssociationRule的技術，我們可以回答如：如果一個人的婚姻狀態、工作和教育等屬性為何時，資料顯示會比較容易有高收入。AssociationRule的結果不代表因果關係
arules套件已經把Adult資料轉換成transactions物件了。請同學用class(Adult)來確認。
class(Adult)請同學輸入summary(Adult)，準備回答下一個問題。
summary(Adult)請問哪一個物品是最頻繁出現的物品？
capital-loss=None
如果我們計算每筆交易所包含物品的數量，哪一個數字是頻率最高的？
13
請同學輸入inspect(head(Adult,10))來看前10筆資料。
inspect(head(Adult, 10))接著我們再回到apriori函數的說明頁面。
?apriori我們請同學先輸入：rules<-apriori(Adult,parameter=list(support=0.5,confidence=0.9))
rules <- apriori(Adult, parameter = list(support = 0.5, confidence = 0.9))上一題的parameter=list(support=0.5,confidence=0.9)就是控制aprori演算法的參數。不同的參數會導致不同的答案。
接著我們來看看學到的結果。請同學輸入：summary(rules)
summary(rules)請問我們一個學到多少個規則？
52
接著請同學輸入inspect(rules[1])來看看第一個規則。
inspect(rules[1])由於這個規則只有牽涉一個物品，所以它描述的是說capital-gain=None是一個很常看到的物品。這裡代表的是說，有91%的人的capital-gane都是None。
請同學輸入：inspect(rules[4])來看看第四個規則。
inspect(rules[4])這條規則就有歸納出lhs（因）和rhs（果）的關係。也就是說，擁有一個Full-time的工作的人，資產上通常不會有損失。support0.56代表的是，同時有lhs+rhs特性的人，占總資料的56%。confidence0.96則代表所有具備lhs特性的人，有96%的人具備有rhs。lift則代表套用這個規則對rhs做預測是否效果良好。以這個規則來說，有lhs的人相對沒有lhs的人，具備rhs的機率只高了1.005，算是沒什麼效果的規則。
我們可以運用subset指令來挑出我們特別感興趣的規則。請同學先輸入?"subset,rules-method"來打開subset用在rules物件上的說明訊息。
?"subset,rules-method"我覺得這裡套件開發者在前半段的說明並不算明確。但是透過閱讀Examples中的範例程式碼，我們仍然可以了解到不少subset的功能。在學習開放原始碼的程式時，常常會發生程式碼或範例比說明文件還清楚的狀況。
我們先試試看：rules.none<-subset(rules,subset=rhs%in%"capital-gain=None")
rules.none <- subset(rules, subset = rhs %in% "capital-gain=None")rules.none應該包含所有rhs為capital-gain=None的規則。
接著，我們來看篩選出來的rules.none包含的第一個規則。請同學使用inspect和[]。
inspect(rules.none[1])我們可以再看看篩選出來後，rules.none所包含的第二個規則。
inspect(rules.none[2])這結果看來很聳動：擁有Full-time工作的人，有93%的機會資產是沒有增加的。但是如果同學仔細看的話，會發現lift非常的低，而且上一個規則才告訴我們capital-gain=None的人非常非常多（92%），所以這個規則可能沒什麼意義。
我們可能只對lift很高的規則有興趣。請同學輸入：rules.none2<-subset(rules,subset=rhs%in%"capital-gain=None"&lift>1.1)篩選所有rhs為capital-gain=None且lift超過1.1的規則。
rules.none2 <- subset(rules, subset = rhs %in% "capital-gain=None" & lift > 1.1)結果資料中學不出任何這樣的規則，哈哈。
我們對AssociationRule的介紹就到這。最後請同學完成一個小練習後輸入submit()
library(arules)
data(Adult)
#' 請同學使用參數 support = 0.3, confidence = 0.9 在Adult上學一個新的規則結果
rules2 <- {
NULL # 請在這邊寫上你的程式碼
}
rules2 <- apriori(Adult, parameter = list(support = 0.3, confidence = 0.9))
stopifnot(length(rules2) == 326)
#' 請同學挑選出lhs 包含 hours-per-week=Full-time 的規則
rules2.fulltime <- {
NULL # 請在這邊寫上你的程式碼
}
rules2.fulltime <- subset(rules2, subset = lhs %in% "hours-per-week=Full-time")
stopifnot(length(rules2.fulltime) == 42)