首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >在不使用apriori()函数的情况下,用R语言实现Apriori算法

在不使用apriori()函数的情况下,用R语言实现Apriori算法
EN

Stack Overflow用户
提问于 2020-02-26 11:55:08
回答 1查看 81关注 0票数 0

我正在尝试使用R语言实现Apriori,但重要的部分不是使用函数Apriori(),我应该从头开始构建它。所以我做了代码,但我的代码有一个问题,我不能解决它。我在代码中所做的是:我实现了Fk−1 × F1方法。但我的问题是,当我试图输入二进制文件时,它抛出了一个缺少值的错误!我将缺少的值替换为0,但它仍然抛出错误!我认为将原始购物篮转换为二进制形式的问题!

下面是我的代码:

代码语言:javascript
运行
复制
    multi_col = function(data_frame) {
  multivec = data.frame(val = rep(1,nrow(data_frame)))
  for(q in 1:ncol(data_frame)){
    multivec = multivec*data_frame[q]
  }
  return(multivec)
}

item = c("onion","potato","milk","burger","beer")
t1 = c(1,1,0,1,0)
t2 = c(0,1,1,1,0)
t3 = c(1,1,1,0,0)
t4 = c(1,1,1,0,0)
t5 = c(1,1,1,1,0)
t6 =c(1,1,1,1,1)

data_mat= rbind(t1,t2,t3,t4,t5,t6)
data_mat
colnames(data_mat)=item
data_mat # this is the example data frame i used to develop the code

data_mat = as.data.frame(data_mat)
data_mat

min.sup.thresh = 2
max.item = ncol(data_mat)
max.item

for(k in 1:max.item){

  if(ncol(data_mat)>1){

    Candi = list()
    Freq =  list()

    rm_col = numeric(0)

    C_seq = combn(c(1:ncol(data_mat)),k)

    for(i in 1:ncol(C_seq)){

      Candi[[i]] = colnames(data_mat[C_seq[,i]])

      if(sum(multi_col(data_mat[C_seq[,i]]))>=min.sup.thresh){
        Freq[[i]] = colnames(data_mat[C_seq[,i]])
      }else{
        rm_col = c(rm_col,i)
      }

    }
    data_mat=data_mat[(-rm_col)]
    print(paste("number of generated candidate itemsets","in C",k,"is",length(Candi)))
    print(Candi)
    print("****************************")
    print(paste("total number of frequent itemsets","in F",k,"is",length(Freq)))
    print(Freq)
    print("###################################################################################")


  }


}

你能给我一些关于如何做的建议吗?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-02-26 17:17:31

我尝试过使用您的代码,结果显示使用k==5时,行combn(c(1:ncol(data_mat)),k)出现错误,因为data_mat只有4列。我并没有真正理解你所有的代码,但我想这是因为你在循环中修改了data_mat。我设置了一个名为tmp_data_mat的新变量,这样就不会出现错误。

另一种选择是在for-loop之外修改data_mat

还要注意,milk中缺少一个值,它是通过在您使用的sum函数中添加na.rm = TRUE来工作的。

代码语言:javascript
运行
复制
# I create data_mat on another way
data_mat <( data.frame(onion = c(1,0,rep(1,4)), 
                       potato = rep(1,6), 
                       milk = c(NA,rep(1,5)), 
                       burger = c(1,1,0,0,1,1), 
                       beer = c(rep(0,5),1)))
data_mat

min.sup.thresh = 2
max.item = ncol(data_mat)
max.item

for(k in 1:max.item){

  if(ncol(data_mat)>1){

    Candi = list()
    Freq =  list()

    # modification here about rm_col, so it don't eat all your memory.
    rm_col = seq(ncol(data_mat))

    # here is the issue I think
    C_seq = combn(c(1:ncol(data_mat)),k)

    for(i in 1:ncol(C_seq)){

      # don't think you need a function multi_col so I put it inside
      data_frame <- data_mat[C_seq[,i]]

      Candi[[i]] = colnames(data_frame)

      multivec = data.frame(val = rep(1,nrow(data_frame)))
      for(q in 1:ncol(data_frame)){
        multivec = multivec*data_frame[q]
      }

      # the missing value error was because you missed the na.rm = TRUE in the sum function !
      if(sum(multivec, na.rm = TRUE) >= min.sup.thresh){
        Freq[[i]] = colnames(data_mat[C_seq[,i]])
      }else{

        # follow the modification of rm_col
        rm_col = rm_col[-i]
      }

    }

    # here is the BIG modification of your code it don't show error.
    tmp_data_mat=data_mat[rm_col]
    print(paste("number of generated candidate itemsets","in C",k,"is",length(Candi)))
    print(Candi)
    print("****************************")
    print(paste("total number of frequent itemsets","in F",k,"is",length(Freq)))
    print(Freq)
    print("###################################################################################")

  }

}
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/60406524

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档