-
0 votesanswersviews
Power BI - R Script Visual - Apriori
我在PowerBI中使用了r脚本视觉 . 我可以在R中运行以下代码并且它可以工作,但是在PowerBI中运行时我得到以下错误 . 我想在视觉上显示apriori的结果 . 以下两个测试在R中都运行良好,但在PowerBI的R脚本视觉中没有 . 有什么想法吗? 如果我尝试#test2 . library(Matrix) library(arules) library(plyr) library(gr... -
0 votesanswersviews
R修剪采矿规则 - 先验
我对在R中使用apriori获得的规则有疑问 在数据输入,转换等之后,我输入了命令 规则< - apriori(orders,parameter = list(supp = 0.01,conf = 0.5,maxlen = 2)) 我得到了我的规则例如: lhs rhs support confidence lift 1 {16058} =>... -
0 votesanswersviews
R apriori()没有显示预期的输出
我使用此示例数据集在R中运行apriori函数 . Bread Milk Bread Diapers Beer Eggs Milk Diapers Beer Cola Bread Milk Diapers Beer Bread Milk Diapers Cola 正如我在这里看到的,对规则{Milk,Diaper} - > 的支持是0... -
0 votesanswersviews
Weka Apriori RHS
我使用Weka v3.6在Titanic dataset上使用 Apriori 算法挖掘关联规则 . 最好的10条规则创建如下: 1. Class=Crew 885 ==> Sex=Male Age=Adult 862 conf:(0.97) < lift:(1.29) 2. Sex=Male Age=Adult 1667 ==> Class=Crew 862 conf:(0.5... -
0 votesanswersviews
在R中运行apriori不会导致任何规则 .
我试图在我的数据集上运行apriori但没有规则 . 这就是我所看到的 . > rules <- apriori(mydata, parameter = list(supp=.01)) Apriori Parameter specification: confidence minval smax arem aval originalSupport support minlen m... -
2 votesanswersviews
Apriori - 关联规则
我已经将apriori应用于我的帧矩阵 . 但是我得到的规则只包含一个字母 . 为什么规则只创建一个字母而不是单词? frame_matrix: bazinda yapilan ragmen yuklemesi 0 0 1 1 1 1 0 0 1 ... -
0 votesanswersviews
basket_rules = apriori中的错误(trans1,:找不到对象'basket_rules'
我很久以来一直在使用MBA代码 . 但是我最近在运行apriori程序时遇到了一个问题,其中完整代码从一篮子规则生成,但在写入文件时停止 . 以下是我正在使用的代码: basket_rules=apriori(trans1,parameter = list(supp = 0.005,conf = 0.01,target="rules",minlen=1,maxlen=10)) ... -
1 votesanswersviews
为什么apriori告诉我尝试应用非功能
我正在尝试使用 arules 包进行市场购物篮分析 . 但是,当我使用 apriori 算法时, R 报告了以下消息 . dt <- split(deviceshowlist$prog_title, deviceshowlist$device_id) dt2 <- as(dt,"transactions") rules <- apriori(dt2, para... -
-3 votesanswersviews
如何在R中使用apriori算法,用于大数据集?
我一直致力于市场购物篮分析,通过先验方法在R中,数据包含12个变量和21,00,000个观测值,我的笔记本电脑有4 GB RAM,我的R代码没有运行将数据转换成事务 . 请帮忙 . -
0 votesanswersviews
Apriori算法:我在交易中做错了什么
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) %>% summ...