（修正あり）arulesの結果をdata.frameで探索する
R標準のデータフレーム＋dplyr等で、探索的にルール抽出⇔眺めるのにパッケージを作った。本家のarulesだとちょっとやりにくいなあと思っている人むけ。
使いかた
arules::inspect() の代わりに inspectDF() するだけ。
arules::DATAFRAME() でデータフレームとして出力できるとのこと。
抽出されたルールをdataframe化する関数としてはすでに arules::DATAFRAME() があると思いますが、新たに inspectDF を作られた理由ってありますでしょうか？
— データポエマー[,-5] (@bob3bob3) September 16, 2018
自作する前によく探すの、大事。
require(dplyr) require(arules) require(inspectDF) data(Groceries) params <- list(confidence=0.001, support=0.001, maxlen=7, minlen=2) glo.apriori <- apriori(Groceries, parameter = params, control = list(verbose=FALSE))
glo.inspectDF <- inspectDF(glo.apriori) glo.inspectDF %>% str #> 'data.frame': 40943 obs. of 8 variables: #> $ rule : chr "Rule 1" "Rule 2" "Rule 3" "Rule 4" ... #> $ LHS : chr "whole milk" "other vegetables" "other vegetables" "rolls/buns" ... #> $ RHS : chr "sparkling wine" "artif. sweetener" "bathroom cleaner" "nuts/prunes" ... #> $ n.lhs : num 1 1 1 1 1 1 1 1 1 1 ... #> $ support : num 0.00102 0.00102 0.00102 0.00102 0.00102 ... #> $ confidence: num 0.00398 0.00525 0.00525 0.00553 0.00583 ... #> $ lift : num 0.712 1.615 1.914 1.647 1.024 ... #> $ count : num 10 10 10 10 10 10 10 10 10 10 ...
取り出したルールは、グラフ描画用のユーティリティ関数で眺める。
set.seed(0) glo.inspectDF %>% arrange(support, confidence) %>% head(60) %>% plotRuleGraph()
インストール
GitHubから.
install.packages("devtools") # if you have not installed "devtools" package devtools::install_github("katokohaku/inspectDF")
ソースコードも同じ場所。
モチベーション
本家のsubset(), sort()とかでなく、通常のdata.frameの操作としてやりたい。
本家の inspect() がコンソールに全部出力するのがツライ
print(glo.apriori) #> set of 40943 rules rules.lhs %>% summary() #> rule LHS RHS n.lhs #> Length:8035 Length:8035 Length:8035 Min. :2.000 #> Class :character Class :character Class :character 1st Qu.:2.000 #> Mode :character Mode :character Mode :character Median :3.000 #> Mean :2.739 #> 3rd Qu.:3.000 #> Max. :5.000 #> support confidence lift count #> Min. :0.001017 Min. :0.01815 Min. : 0.4379 Min. : 10.00 #> 1st Qu.:0.001118 1st Qu.:0.14961 1st Qu.: 2.0673 1st Qu.: 11.00 #> Median :0.001322 Median :0.25175 Median : 2.6852 Median : 13.00 #> Mean :0.001740 Mean :0.30231 Mean : 2.9595 Mean : 17.11 #> 3rd Qu.:0.001830 3rd Qu.:0.41935 3rd Qu.: 3.5531 3rd Qu.: 18.00 #> Max. :0.022267 Max. :1.00000 Max. :22.1394 Max. :219.00
arulesは非常によくできたパッケージですが、高度にwrapされ過ぎていて、気軽に弄ろうと思うとツライ。本家のprint() も summary()も、探索的なルール分析にはちょっと不親切だと思いませんか。探索的なルール分析にはsubset(), sort()などが用意されているものの、表示はことごとく上記のそれです。ツライ。
また、本家の inspect() はprint()で返すため、コンソールにすべての出力が強制表示される。いつ終わるとも知れぬコンソール出力を眺めるの、ツライ。あと、標準では2番目の列名が無名なので、この後そのまま探索的に弄ろうとすると困る、というか矢印要る？ ツライ。
glo.inspect <- glo.apriori %>% head(10) %>% inspect() #> lhs rhs support confidence lift #> [1] {honey} => {whole milk} 0.001118454 0.733333333 2.870009 #> [2] {whole milk} => {honey} 0.001118454 0.004377238 2.870009 #> [3] {soap} => {whole milk} 0.001118454 0.423076923 1.655775 #> [4] {whole milk} => {soap} 0.001118454 0.004377238 1.655775 #> [5] {tidbits} => {soda} 0.001016777 0.434782609 2.493345 #> [6] {soda} => {tidbits} 0.001016777 0.005830904 2.493345 #> [7] {tidbits} => {rolls/buns} 0.001220132 0.521739130 2.836542 #> [8] {rolls/buns} => {tidbits} 0.001220132 0.006633499 2.836542 #> [9] {cocoa drinks} => {whole milk} 0.001321810 0.590909091 2.312611 #> [10] {whole milk} => {cocoa drinks} 0.001321810 0.005173100 2.312611 #> count #> [1] 11 #> [2] 11 #> [3] 11 #> [4] 11 #> [5] 10 #> [6] 10 #> [7] 12 #> [8] 12 #> [9] 13 #> [10] 13 glo.inspect %>% str #> 'data.frame': 10 obs. of 7 variables: #> $ lhs : Factor w/ 7 levels "{cocoa drinks}",..: 2 7 4 7 6 5 6 3 1 7 #> $ : Factor w/ 1 level "=>": 1 1 1 1 1 1 1 1 1 1 #> $ rhs : Factor w/ 7 levels "{cocoa drinks}",..: 7 2 7 4 5 6 3 6 7 1 #> $ support : num 0.00112 0.00112 0.00112 0.00112 0.00102 ... #> $ confidence: num 0.73333 0.00438 0.42308 0.00438 0.43478 ... #> $ lift : num 2.87 2.87 1.66 1.66 2.49 ... #> $ count : num 11 11 11 11 10 10 12 12 13 13
使い道
dplyrあたりと組み合わせて使うと、tidyに探索できるのではないか。
require(stringr) rules.lhs <- glo.inspectDF %>% filter(str_detect(LHS, pattern = "yogurt|sausage")) %>% arrange(confidence, lift) %>% filter(n.lhs > 1) rules.lhs %>% head() #> rule LHS RHS n support #> 1 Rule 97 whole milk,yogurt UHT-milk 2 0.001016777 #> 2 Rule 98 whole milk,yogurt red/blush wine 2 0.001016777 #> 3 Rule 99 whole milk,yogurt house keeping products 2 0.001016777 #> 4 Rule 100 whole milk,yogurt liver loaf 2 0.001016777 #> 5 Rule 7175 whole milk,yogurt chewing gum 2 0.001118454 #> 6 Rule 7176 whole milk,yogurt cling film/bags 2 0.001118454 #> confidence lift count #> 1 0.01814882 0.5425339 10 #> 2 0.01814882 0.9444108 10 #> 3 0.01814882 2.1767518 10 #> 4 0.01814882 3.5698730 10 #> 5 0.01996370 0.9485170 11 #> 6 0.01996370 1.7530626 11
プロットは hideaki さんのqiitaの記事をそのまま流用。エッジ上の円の面積はルールのsupport値、色の濃さはルールのconfidence値を表す。
adujust.support.sizeオプションでヒューリスティックなサイズの調整ができる。
require(stringr) rules.lhs <- glo.inspectDF %>% filter(str_detect(RHS, pattern = "yogurt")) %>% arrange(confidence, lift) %>% filter(n.lhs > 1) %>% head(15) par(mfrow = c(1,2)) set.seed(0) rules.lhs %>% plotRuleGraph(label = "default") set.seed(0) rules.lhs %>% plotRuleGraph(label = "adjusted rule size", adujust.support.size = 4000)
今後
{support, confidence, lift}と{size, color}の対応は可変にして、サイズも自動調整したい。
