0
나는이 데이터 세트에서 찾고 있어요 :R- 리프트로 선착장 규정을 제한 할 수있는 방법이 있습니까?
ca.1<-read.csv("CreditApproval.csv",T,",")
# From http://stackoverflow.com/q/4787332/
remove_outliers <- function(x, na.rm = TRUE, ...) {
qnt <- quantile(x, probs=c(.25, .75), na.rm = na.rm, ...)
H <- 1.5 * IQR(x, na.rm = na.rm)
y <- x
y[x < (qnt[1] - H)] <- NA
y[x > (qnt[2] + H)] <- NA
y
}
ca.1$A2<-remove_outliers(ca$A2)
ca.1$A3<-remove_outliers(ca$A3)
ca.1$A8<-remove_outliers(ca$A8)
ca.1$A11<-remove_outliers(ca$A11)
ca.1$A14<-remove_outliers(ca$A14)
ca.1$A15<-remove_outliers(ca$A15)
ca.1$A2<-discretize(ca.1$A2,"frequency",categories = 6)
ca.1$A3<-discretize(ca.1$A3,"frequency",categories = 6)
ca.1$A8<-discretize(ca.1$A8,"frequency",categories = 6)
ca.1$A11<-discretize(ca.1$A11,"frequency",categories = 6)
ca.1$A14<-discretize(ca.1$A14,"frequency",categories = 6)
ca.1$A15<-discretize(ca.1$A15,"frequency",categories = 6)
ca.1<-na.omit(ca.1)
미세 조정 후 지원, 자신감, 분/난 아직도 얻고 MAXLEN 65 명 규칙 :
https://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/crx.data나는 데이터를 전처리
> rules<-apriori(ca.1, parameter= list(supp=0.15, conf=0.89, minlen=3, maxlen=4), appearance=list(rhs=c("class=-", "class=+"), default="lhs"))
> rules.sorted <- sort(rules, by="lift")
> inspect(rules.sorted)
lhs rhs support confidence lift
[1] {A5=g,A9=t,A10=t} => {class=+} 0.1521739 0.8974359 2.770607
[2] {A4=u,A9=t,A10=t} => {class=+} 0.1521739 0.8974359 2.770607
[3] {A1=a,A9=f} => {class=-} 0.1717391 0.9753086 1.442579
[4] {A1=a,A9=f,A13=g} => {class=-} 0.1608696 0.9736842 1.440176
...[65]
위에서 볼 수 있듯이 +
규칙은 -
규칙보다 규칙적이지만 지원 및 신뢰도는 낮습니다. 문서를보고 있었는데 리프트로 제한 할 수있는 매개 변수를 찾을 수 없습니다. 이것이 가능한가? 그렇지 않다면 이런 상황에서 무엇을합니까? 당신이 노력하면 어떻게
찾고 계십니까? subrules <- subset (규칙, 올림> 임계 값) – MFR
이 예제는 재현 할 수 없습니다. –
@MFR Apriori 방법이 이것을 달성 할 수있는 방법을 제공하는지 궁금합니다. 나는 이것이 일반적인 문제가 아니라는 것을 의미합니까? –