关联算法—时序关联实操

我就在这里，等你关注，不离不弃

——A·May

R-51T-65

「时序 关联

」

简单关联算法从是否购买商品的行为上对，商品进行关联计算，想了解更多，请点这里R语言 关联算法—Apriori实操。

时序关联就是从行为发生的时间上对行为进行关联计算，比如，你先买的鸡蛋，后面的香蕉，再买的橙子，鸡蛋、香蕉和橙子之间就存在一种时间顺序上的关系，时序关联就是研究多种行为的时间关系，最后找出具有有效性和实用性的关联。

「

时序关联的数据

」

时序事务型性数据

时序事务型数据不是比较常见，对于它的形式其实更像是用来做词频共现的那个，如果我们要做这个时序关联，可能要对数据进行整理，才能实现。

如下图，这是时序事务型数据，其中第一列表示的是编号Sid，如会员卡号，第二列表示的是时间点Eid，第三列可以看做是事务项。比如：1，2，Football表示第1个人在第2个时间点正在浏览Football的网页；11,6，Weather表示第11个人在第6个时间点正在浏览Weather的网页。

时序关联的四个步骤

step1

利用read_baskets读取关联性数据

step2

利用cspade建立时序关联的频繁项

step3

利用ruleInduction建立时序关联的推理规则

step4

利用数据框提取lift大于1的推理规则

「

实验过程

」

> library(arulesSequences)

> sxdata c("sequenceID","eventID"))

#读取时序事务型数据，第一列sequence是编号，第二列是时间点，第三列是事务项，info后的参数是必写项

> summary(sxdata)

> sxmx

#利用cspade建立时序关联的频繁项，支持率设为0.1

> inspect(sxmx)

> sxtlgz

#利用ruleInduction建立序列推理规则，设置置信度为0.5

> sxtlgz

#将sxtlgz时序推理规则转为数据框

> sxtlgz[sxtigz$lift>1,]

#利用数据框的形式，选取提升度大于1的推理规则

「结语

」

时序关联的操作过程不是难点，因为和简单关联的做法相类似，可能有问题会在时序事务型数据上，那就好好琢磨一下吧！

我是May,明天见！

学习数据挖掘交流平台