R語言：關(guān)聯(lián)規(guī)則+時間因素=序貫關(guān)聯(lián)規(guī)則

序貫?zāi)Ｐ?關(guān)聯(lián)規(guī)則+時間因素。
今天下午基本上把通過arulesSequences來進行序列模式挖掘搞明白了，晚上又把arulesSequences中最重要的函數(shù)cspade查看了一下。Mark一下。

還是先簡單寫一個模式挖掘的例子。
1、數(shù)據(jù)準(zhǔn)備
假設(shè)數(shù)據(jù)存放在E盤下的test.txt，而且E盤中的數(shù)據(jù)為：
1 10 2 C D A F H E
1 15 3 A B C E A F
1 20 3 A B F D C F
1 25 4 A C D F D D
2 15 3 A B F
2 20 1 E
3 10 3 B F
4 10 3 D G H
4 20 2 B F
4 25 3 A G H F
4 30 12 A H H H A F F F A G G G
數(shù)據(jù)比zaki稍微復(fù)雜一些，不過只是多添加了一些個別內(nèi)容。
2、建模
[html] view plain copy
print?
    >x=read_baskets(con="E:/zaki.txt",info=c("sequenceID","eventID","SIZE"))  
    >s1 <- cspade(x, parameter = list(support = 0.6,maxlen=3), control = list(verbose = TRUE))  
    >as(s1,"data.frame") 
主要就這么三步，就完成了序列模式挖掘?，F(xiàn)在需要看一下核心的函數(shù)cspade()。
3、cspade函數(shù)解釋
根據(jù)文檔，cspade函數(shù)結(jié)構(gòu)如下：
[html] view plain copy
print?
    cspade(data, parameter = NULL, control = NULL, tmpdir = tempdir()) 
其實，參數(shù)data沒啥可說的，就導(dǎo)入transactions類型的數(shù)據(jù)就可以了。
parameter是設(shè)定各種參數(shù)，這個還需要認(rèn)真了解一下。
parameter中，可選的參數(shù)有如下幾個：
support：0-1之間的一個數(shù)值，代表得到的高頻序列的最小支持度。
        支持度其實是這樣計算的：看上面的data中有4個序列，比如我們要計算｛A｝的支持度，則直接看｛A｝在4個序列中出現(xiàn)過幾次，用次數(shù)再除以4就得到了支持度。至于一次訂單中出現(xiàn)多少次A，則對序列挖掘是沒啥影響的。
maxsize：一個整數(shù)值，代表在尋找高頻序列的過程中，任意一個序列里面的每一個元素的最多能有幾個項。
        舉個例子， <{D,H},{B,F},{A}> 是我們通過序列挖掘得到的一個序列s，那么序列s包含3個元素element，其中第一個元素又包含2個項item。通過設(shè)定maxsize，可以在序列挖掘中設(shè)定1對1或多對1的不同挖掘方式。
maxlen：一個整數(shù)值，代表挖掘的序列最大可以是多長，也即一個序列最多可以有幾個元素。
        比如，如果s1 <- cspade(x, parameter = list(support = 0.6,maxlen=2), control = list(verbose = TRUE))  ，那么最終得到的序列可能為： <{D,H},{B}><{A,F,H},{A,F}>
  因此，通過maxlen參數(shù)可以去挖掘較短的序列。
mingap：一個整數(shù)值，確定兩個連續(xù)的訂單之間的最小時間差值，默認(rèn)為none。
maxgap：一個整數(shù)值，確定兩個連續(xù)的訂單之間的最大時間差值，默認(rèn)為none。
maxwin：一個整數(shù)值，確定一個序列中任意兩個訂單之間的最大時間差值，默認(rèn)為none。
control其實是對內(nèi)存了什么的控制，一般用不到，第四個也是用不到。因此，cspade函數(shù)主要就parameter的設(shè)定。