R语言关联规则挖掘apriori算法挖掘评估汽车性能数据 | 您所在的位置:网站首页 › r语言 readdta › R语言关联规则挖掘apriori算法挖掘评估汽车性能数据 |
首先以最小支持度为0.05来挖掘出叫频繁出现的规则: 表 频繁规则 可以发现,V4,V7,V5这些属性在数据集中是经常出现的变量。同时可以看到他们的属性值。 于是我们找到最频繁出现的前十个集合(频繁项集): 表 前十个频繁项集 可以看到V7也就是价格是不可接受的车达到了70%左右。其次是V7为unacc和V6为low的车辆集合,也就是价格难以接受和安全性能低的车辆。 进行 Apriori 关联规则 模型的拟合通过上面的判断,我们将支持度设置为0.1也就是10-%左右,用于筛选出较频繁的规则。 于是进行关联规则挖掘: 表 规则概要 通过查看模型概要,我们可以发现得到了20条规则,其中规则长度1的有1条,2的有8条,3的有11条。 查看规则: 表 规则数据 以及规则的支持度置信度和提高度。 表 规则质量 可以看到每条规则的质量。比如前6条规则,我们可以看到当车的购入价格很高时,大部分消费者认为不能接受这部车。或者当车的维护费用很高时,购买者也不能接受。 或者当车是两个门的时候,一般该车是跑车或者设计特殊,这是人们也会不能接受购买这部车,也许因为它的价格因素。 图 关联规则模型结果 从圆圈的大小,我们可以判断规则的支持度大小,从圆圈的颜色深浅我们可以判断该规则的置信度大小。 图 关联规则结果 从上面结果,我们可以看到20条规则的可视化结果,圆圈越大代表该规则的支持度越高,通过箭头我们可以判断其规则的前后推断关系。 于是我们找到置信度和支持度最高的规则,作为最有价值的规则。 表 关联规则有价值的结果 V6为车的安全性,V4为车的装载人数,如果安全性差并且只能装载2个人,消费者不会购买这辆车。因此车的安全性是一个是否购买车的重要的影响因素。 数据分析结论从分析的结果可以看到,关联规则的模型效果在该数据集上效果较好,同时得到了一些有价值的规则,比如人们在购买车辆时主要会考虑车的价格因素,以及他的维护费用,这些因素会影响人们是否购买车辆,其中,人们也十分关心车辆的安全性能和装载性能,当车性能不安全的话,人们很难接受,甚至该因素的影响会超过价格的因素。通过这些规则我们可以对车辆提出一些营销策略。 最受欢迎的见解 1.Python中的Apriori关联算法-市场购物篮分析 2.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图 3.用关联规则数据挖掘探索药物配伍中的规律 4.通过Python中的Apriori算法进行关联规则挖掘 5.用关联规则数据挖掘探索药物配伍中的规律 6.采用SPSS Modeler的Web复杂网络对所有腧穴进行分析 7.R语言如何在生存分析与COX回归中计算IDI,NRI指标 8.R语言如何找到患者数据中具有差异的指标?(PLS—DA分析) 9.R语言中的生存分析Survival analysis晚期肺癌患者4例返回搜狐,查看更多 |
CopyRight 2018-2019 实验室设备网 版权所有 |