我正在尝试在我拥有的数据集上运行Apriori算法

这是我正在运行的代码

data <- opp %>%
 left_join(products, by = "product_id") %>%
 left_join(aisles, by ="aisle_id") %>%
 group_by(order_id) %>%
 summarise(basket = as.vector(list(aisle)))

 transaction_prior<-as(data,"transactions")
 aisle_basket_rules <- apriori(transaction_prior, parameter = list(support=0.1, confidence = 0.6, minlen=3,maxlen=10,target = "rules"))
 aisle_basket_rules

当我尝试创建 transaction 对象变量名称时: transaction_prior 我收到以下错误:

Error in asMethod(object) : 
   column(s) 1, 2 not logical or a factor. Discretize the columns first.

我也尝试了 discretize 方法,而不是使用dplyr中的 summarise 方法,但是我的apriori不会给出任何结果,要么需要很长时间,要么返回0规则 .

任何人都可以向我解释我哪里出错了?

以下是 data 变量中的数据:

kable(head(data,25))

order_id basket
   2    c(42, 54, 123, 90, 7, 54, 40, 125, 99)
   3    c(134, 120, 99, 99, 120, 54, 105, 12)
   4    c(13, 30, 43, 14, 14, 14, 14, 26, 129, 33, 111, 44, 44)
   5    c(51, 113, 107, 99, 84, 100, 132, 78, 96, 94, 75, 97, 32, 19, 54,125, 100, 32, 11, 94, 100, 51, 41, 51, 51, 33)
   6    c(111, 80, 1)
   7    c(111, 63)
   8    17
   9    c(54, 99, 99, 134, 32, 20, 54, 90, 132, 12, 12, 76, 120, 94, 67)
   10   c(51, 54, 52, 51, 54, 52, 51, 5, 5, 22, 54, 34, 83, 54, 54)
   11   c(60, 50, 22, 26, 90)
   12   c(34, 84, 54, 34, 76, 76, 76, 76, 119, 61, 129, 129, 129, 55, 39)
   13   c(10, 108, 124, 118, 108, 44, 44, 111, 132, 118, 93, 93, 26)
   14   c(29, 84, 57, 55, 94, 25, 134, 56, 2, 63, 51)
   15   c(132, 90, 22, 117, 117)
   16   c(104, 132, 26)
   18   c(100, 54, 15, 99, 84, 132, 51, 99, 5, 51, 54, 18, 2, 63, 22, 5, 5,31, 125, 31, 89, 54, 125, 54, 71, 54, 51, 106)
   19   c(99, 120, 54)
   20   c(32, 57, 54, 134, 44, 51, 51, 26)
   21   c(127, 127, 51, 94, 29)
   22   c(84, 12, 51, 54, 99, 42, 94, 54, 105, 81, 13, 93, 54, 49)
   23   c(99, 54, 54, 54, 51, 41, 64, 127, 51, 54, 93, 113, 19, 91)
   24   c(72, 72, 72)
   25   c(104, 104, 63, 57, 94, 94, 42, 71, 55, 39, 62, 60, 94, 99)
   26   c(120, 51, 51, 96, 42, 99, 63, 51)
   27   c(51, 134, 50, 50, 19, 119, 51, 54, 93, 54, 21, 22, 127, 54, 101, 54, 54, 94, 41, 99, 63, 63, 127, 54, 7, 7, 49)

这是 data 变量的 dput 转储:

dput(head(data,5))结构(list(order_id = 2:6,basket = list(结构(c(42L,54L,123L,90L,7L,54L,40L,125L,99L),. Label = c(“空气清新剂蜡烛”,“亚洲食品”,“婴儿配件”,“婴儿沐浴身体护理”,“婴儿食品配方”,“烘焙甜点”,“烘焙食材”,“烘焙用品装饰”,“美容” ,“啤酒冷却器”,“身体乳液肥皂”,“面包”,“早餐面包店”,“早餐棒糕点”,“散装干果蔬菜”,“散装米粒干货”,“包子卷”,“黄油” ,“糖果巧克力”,“ jar 装水果苹果酱”,“ jar 装菜 beans ”,“ jar 头肉类海鲜”,“猫粮护理”,“麦片”,“椒盐脆 Cookies ”,“清洁用品”, “可可饮料混合物”,“咖啡”,“感冒感冒过敏”,“调味品”,“ Cookies 蛋糕”,“ Cookies ”,“奶油”,“除臭剂”,“尿布湿巾”,“消化”,“菜肴清洁剂” ,“狗粮护理”,“面团明胶烘烤混合物”,“干面条”,“鸡蛋”,“能量燕麦棒”,“能量运动饮料”,“眼部护理”,“面部护理”,“fe minine care“,”急救“,”食物储存“,”新鲜蘸酱“,”新鲜水果“,”新鲜香草“,”新鲜蔬菜“,”新鲜蔬菜“,”冷冻开胃菜“,”冷冻面包面团“ “,”冷冻早餐“,”冷冻甜点“,”冷冻果汁“,”冷冻食品“,”冷冻肉类海鲜“,”冷冻比萨饼“,”冷冻食品“,”冷冻素食素食“,”水果蔬菜零食“, “谷物米干货”,“格兰诺拉麦片”,“头发护理”,“蜂蜜糖浆花蜜”,“热谷物煎饼混合物”,“热狗培根香肠”,“冰淇淋冰”,“冰淇淋浇头”,“印度食品“,”即食食品“,”果汁饮料“,”厨房用品“,”犹太食品“,”拉丁食品“,”洗衣“,”午餐肉“,”腌泡肉准备“,”肉类柜台“,”牛奶“,”薄荷口香糖“,”缺少“,”更多家庭“,”肌肉关节疼痛缓解“,”坚果种子干果“,”油醋“,”口腔卫生“,”其他“,”其他奶油奶酪“, “包装好的奶酪”,“包装好的肉”,“包装好的家禽”,“包装好的产品”,“包装海鲜”,“包装好的蔬菜水果” “,”纸制品“,”意大利面酱“,”腌制食品橄榄“,”盘子碗杯餐具“,”爆米花干“,”家禽专柜“,”准备好的饭菜“,”准备的汤沙拉“,”保存的蘸酱蔓延“ “,”蛋白质代餐“,”红葡萄酒“,”冷藏“,”冷藏布丁甜点“,”沙拉酱配料“,”海鲜柜台“,”剃须需求“,”护肤品“,”肥皂“,”软饮料“,”汤汤肉汤“,”大 beans 乳糖“,”特产奶酪“,”特产葡萄酒香槟“,”香料调味料“,”烈酒“,”涂抹“,”茶“,” beans 腐肉替代品“,”玉米饼扁平面包“,”小道混合小吃混合物“,”垃圾袋衬里“,”维生素补充剂“,”水苏打水苏打水“,”白葡萄酒“,”酸奶“),类=”因子“),结构(c( 134L,120L,99L,99L,120L,54L,105L,12L), . 标签= c(“空气清新剂蜡烛”,“亚洲食品”,“婴儿用品”,“婴儿沐浴身体护理”,“婴儿食品配方” ,“烘焙甜点”,“烘焙食材”,“烘焙用品装饰”,“美容”,“啤酒冷却器”,“润肤露oap“,”面包“,”早餐面包店“,”早餐糕点“,”散装干果蔬菜“,”散装米粒干货“,”面包卷“,”黄油“,”糖果巧克力“,”水果 jar 头“苹果酱“,” jar 装蔬菜 jar 头“,” jar 装 beans 类“,” jar 头肉类海鲜“,”猫粮护理“,”谷物“,”脆片椒盐脆 Cookies “,”清洁产品“,”可可饮料混合物“,”咖啡“ ,“感冒流感过敏”,“调味品”,“ Cookies 蛋糕”,“ Cookies ”,“奶油”,“除臭剂”,“尿布湿巾”,“消化”,“菜肴清洁剂”,“狗粮护理”,“面团gelatins烘烤混合物“,”干面条“,”鸡蛋“,”能量燕麦棒“,”能量运动饮料“,”眼睛护理“,”面部护理“,”女性护理“,”急救“,”食物储存“,”新鲜蘸酱“,”新鲜水果“,”新鲜香草“,”新鲜蔬菜“,”新鲜蔬菜“,”冷冻开胃两面“,”冷冻面包面团“,”冷冻早餐“,”冷冻甜点“,”冷冻果汁“,”冷冻食品“,”冷冻肉类海鲜“,”冷冻披萨“,”冷冻食品“,”冷冻素食素食“,”水果蔬菜零食“,”谷物米干“货物“,”格兰诺拉麦片“,”头发护理“,”蜂蜜糖浆“,”热谷物煎饼混合物“,”热狗培根香肠“,”冰淇淋冰“,”冰淇淋浇头“,”印度食品“,”即食食品“,”果汁花蜜“,”厨房用品“,”犹太食品“,”拉丁食品“,”洗衣“,”午餐肉“,”腌料肉制品“,”肉类柜台“,”牛奶“,”薄荷“口香糖“,”缺少“,”更多家庭“,”肌肉关节疼痛缓解“,”坚果种子干果“,”油醋“,”口腔卫生“,”其他“,”其他奶油奶酪“,”包装奶酪“ ,“包装肉”,“包装家禽”,“包装产品”,“包装海鲜”,“包装蔬菜水果”,“纸制品”,“意大利面酱”,“腌制食品橄榄”,“盘子碗杯餐具”, “爆米花干”,“家禽专柜”,“准备好的饭菜”,“准备的汤沙拉”,“腌制的蘸酱”, “蛋白质代餐”,“红葡萄酒”,“冷藏”,“冷藏布丁甜点”,“沙拉酱配料”,“海鲜柜台”,“剃须需求”,“护肤品”,“肥皂”,“软饮料” ,“汤汤肉汤”,“大 beans 乳糖”,“特产奶酪”,“特产葡萄酒香槟”,“香料调味料”,“烈酒”,“涂抹”,“茶”,“ beans 腐肉替代品”,“玉米饼扁平面包” “,”小道混合小吃混合物“,”垃圾袋衬里“,”维生素补充剂“,”水苏打水苏打水“,”白葡萄酒“,”酸奶“),类=”因子“),结构(c(13L, 30L,43L,14L,14L,14L,14L,26L,129L,33L,111L,44L,44L), . 标签= c(“空气清新剂蜡烛”,“亚洲食品”,“婴儿用品”,“婴儿浴体护理“,”婴儿食品配方“,”烘焙甜点“,”烘焙配料“,”烘焙用品装饰“,”美容“,”啤酒冷却器“,”身体乳液肥皂“,”面包“,”早餐面包店“,”早餐吧糕点“,”散装干果蔬菜“,”散装米粒干货“,”包子卷“,”黄油“,”糖果巧克力“, “ jar 装水果苹果酱”,“ jar 装蔬菜 jar 头”,“ jar 头 beans 类”,“ jar 头肉类海鲜”,“猫粮护理”,“谷物”,“椒盐脆 Cookies ”,“清洁产品”,“可可饮料混合物”, “咖啡”,“冷感冒过敏”,“调味品”,“ Cookies 蛋糕”,“ Cookies ”,“奶油”,“除臭剂”,“尿布湿巾”,“消化”,“洗碗剂”,“狗食护理” ,“面团明胶烘烤混合物”,“干面条”,“鸡蛋”,“能量燕麦棒”,“能量运动饮料”,“眼部护理”,“面部护理”,“女性护理”,“急救”, “食物储存”,“新鲜蘸酱”,“新鲜水果”,“新鲜香草”,“新鲜蔬菜”,“新鲜蔬菜”,“冷冻开胃两面”,“冷冻面包面团”,“冷冻早餐”,“冷冻甜点“,”冷冻果汁“,”冷冻食品“,”冷冻肉类海鲜“,”冷冻比萨饼“,”冷冻食品“,”冷冻素食素食“,”水果蔬菜零食“,”谷物米干货“,”格兰诺拉麦片“ “,”护发“,”蜂蜜糖浆“,”热谷物煎饼混合物“,”热狗培根香肠“,”冰淇淋冰“,”冰淇淋“是浇头“,”印度食品“,”即食食品“,”果汁花蜜“,”厨房用品“,”犹太食品“,”拉丁食品“,”洗衣“,”午餐肉“,”腌泡肉准备“,”肉类柜台“,”牛奶“,”薄荷口香糖“,”失踪“,”更多家庭“,”肌肉关节疼痛缓解“,”坚果种子干果“,”油醋“,”口腔卫生“,”其他“, “其他奶油奶酪”,“包装奶酪”,“包装好的肉”,“包装家禽”,“包装产品”,“包装海鲜”,“包装蔬菜水果”,“纸制品”,“意大利面酱”,“腌制品”橄榄“,”盘子碗杯子餐具“,”爆米花干“,”家禽柜台“,”准备好的饭菜“,”准备的汤沙拉“,”保存的蘸酱“,”蛋白质代餐“,”红葡萄酒“,”冷藏“ “,”冷藏布丁甜点“,”沙拉酱配料“,”海鲜柜台“,”剃须需要“,”护肤品“,”肥皂“,”软饮料“,”汤汤肉汤“,”大 beans 乳糖“,”特产奶酪“,”特产葡萄酒香槟“,”香料调味料“,”烈酒“,”涂抹“,”te一个“,” beans 腐肉替代品“,”玉米饼扁面包“,”小道混合小吃混合“,”垃圾袋衬里“,”维生素补充剂“,”水苏打水苏打水“,”白葡萄酒“,”酸奶“), class =“factor”),结构(c(51L,113L,107L,99L,84L,100L,132L,78L,96L,94L,75L,97L,32L,19L,54L,125L,100L,32L,11L,94L ,100L,51L,41L,51L,51L,33L), . 标签= c(“空气清新剂蜡烛”,“亚洲食品”,“婴儿用品”,“婴儿沐浴身体护理”,“婴儿食品配方”,“面包店甜点“,”烘焙成分“,”烘焙用品装饰“,”美容“,”啤酒冷却器“,”身体乳液肥皂“,”面包“,”早餐面包店“,”早餐棒糕点“,”散装干果蔬菜“,”散装谷物米饭“干货“,”包子卷“,”黄油“,”糖果巧克力“,” jar 装水果苹果酱“,” jar 装蔬菜 jar 头“,” jar 装 beans 类“,” jar 头肉类海鲜“,”猫粮护理“,”谷类食品“ “,”筹码椒盐脆 Cookies “,”清洁产品“,”可可饮料混合物“,”咖啡“,”感冒过敏“,”调味品“,” Cookies 蛋糕“,” Cookies “,”奶油“,”除臭剂“,”尿布湿巾“,”消化“,”洗碗剂“,”狗粮护理“,”面团明胶烘烤混合物“,”干面条“,”鸡蛋“,”能量燕麦棒“,”能量运动饮料“,”眼睛耳朵护理“,”面部护理“,”女性护理“,”急救“,”食物储存“,”新鲜蘸酱“,”新鲜水果“,”新鲜香草“,”新鲜意大利面“,”新鲜蔬菜“,”冷冻开胃菜“,”冷冻面包面团“,”冷冻早餐“,”冷冻甜点“,”冷冻果汁“,”冷冻食品“,”冷冻肉类se“ afood“,”冷冻披萨“,”冷冻产品“,”冷冻素食素食“,”水果蔬菜零食“,”谷物米干货“,”格兰诺拉麦片“,”护发“,”蜂蜜糖浆“,”热麦片“煎饼混合“,”热狗培根香肠“,”冰淇淋冰“,”冰淇淋浇头“,”印度食品“,”即食食品“,”果汁花蜜“,”厨房用品“,”犹太食品“,”拉丁裔食物“,”洗衣“,”午餐肉“,”腌泡肉准备“,”肉类柜台“,”牛奶“,”薄荷口香糖“,”失踪“,”更多家庭“,”肌肉关节缓解疼痛“,”坚果种子干果“,”油醋“,”口腔卫生“,”其他“,”其他奶油奶酪“,”包装奶酪“,”包装肉“,”包装家禽“,”包装产品“,”包装海鲜“, “包装蔬菜水果”,“纸制品”,“意大利面酱”,“腌制食品橄榄”,“盘子碗扁平餐具”,“爆米花干”,“家禽专柜”,“准备好的饭菜”,“准备的汤沙拉”, “保存的蘸酱”,“蛋白质代餐”,“红葡萄酒”,“冷藏”,“冷藏puddi “甜点”,“沙拉酱配料”,“海鲜柜台”,“剃须需要”,“护肤品”,“肥皂”,“软饮料”,“汤汤肉汤”,“大 beans 乳糖”,“特色奶酪”, “特产葡萄酒香槟”,“香料调味料”,“烈酒”,“涂抹”,“茶”,“ beans 腐肉替代品”,“玉米饼扁面包”,“小道混合小吃”,“垃圾袋衬里”,“维生素补充剂,“水苏打水苏打水”,“白葡萄酒”,“酸奶”),类=“因子”),结构(c(111L,80L,1L),.标签= c(“空气清新剂蜡烛”,“亚洲食品“,”婴儿配件“,”婴儿沐浴身体护理“,”婴儿食品配方“,”烘焙甜点“,”烘焙配料“,”烘焙用品装饰“,”美容“,”啤酒冷却器“,”身体乳液肥皂“,”面包“,”早餐面包店“,”早餐糕点“,”散装干果蔬菜“,”散装米粒干货“,”包子卷“,”黄油“,”糖果巧克力“,”水果 jar 头“苹果酱“,” jar 装蔬菜 jar 头“,” jar 装 beans 类“,” jar 头肉类海鲜“,”猫粮护理“,”谷物“,”c臀部椒盐卷饼“,”清洁产品“,”可可饮料混合物“,”咖啡“,”感冒过敏“,”调味品“,” Cookies 蛋糕“,” Cookies “,”奶油“,”除臭剂“,”尿布湿巾“ ,“消化”,“洗碗剂”,“狗粮护理”,“面团明胶烘焙混合物”,“干面条”,“鸡蛋”,“能量燕麦棒”,“能量运动饮料”,“眼耳护理”, “面部护理”,“女性护理”,“急救”,“食物储存”,“新鲜蘸酱”,“新鲜水果”,“新鲜香草”,“新鲜蔬菜”,“新鲜蔬菜”,“冷冻开胃菜两面” “,”冷冻面包面团“,”冷冻早餐“,”冷冻甜点“,”冷冻果汁“,”冷冻食品“,”冷冻肉类海鲜“,”冷冻披萨“,”冷冻食品“,”冷冻素食素食“, “水果蔬菜零食”,“米粒干货”,“格兰诺拉麦片”,“护发”,“蜂蜜糖浆”,“热谷物煎饼混合物”,“热狗培根香肠”,“冰淇淋冰”,“冰奶油浇头“,”印度食品“,”即食食品“,”果汁花蜜“,”厨房用品“,”犹太食品“,”拉丁美洲食品“,”洗衣“,”l unch meat“,”腌肉准备“,”肉类柜台“,”牛奶“,”薄荷口香糖“,”失踪“,”更多家庭“,”肌肉关节缓解疼痛“,”坚果种子干果“,”油醋“ “,”口腔卫生“,”其他“,”其他奶油奶酪“,”包装奶酪“,”包装好的肉“,”包装好的家禽“,”包装好的产品“,”包装海鲜“,”包装蔬菜水果“,”纸商品“,”意大利面酱“,”腌制商品橄榄“,”盘子碗杯餐具“,”爆米花干“,”家禽专柜“,”准备好的饭菜“,“准备的汤沙拉”,“保存的蘸酱”,“蛋白质代餐”,“红葡萄酒”,“冷藏”,“冷藏布丁甜点”,“沙拉酱配料”,“海鲜柜台”,“剃须需求”,“皮肤护理“,”肥皂“,”软饮料“,”汤汤肉汤“,”大 beans 乳糖“,”特产奶酪“,”特产葡萄酒香槟“,”香料调味料“,”烈酒“,”涂抹“,”茶“,” beans 腐肉替代品“,”玉米饼扁面包“,”小道混合小吃“,”垃圾袋衬里“,”维生素补充剂“,”水苏打水苏打水“,”白葡萄酒“,”酸奶“), class =“factor”))),. Name = c(“order_id”,“basket”),row.names = c(NA,-5L),class = c(“tbl_df”,“tbl”,“data.frame “))