EKSPLORACJA DANYCH

EKSPLORACJA DANYCH
STUDIA NIESTACJONARNE
1. Wczytać bibliotekę arules.
2. Stworzyć własny zbiór danych (plik) składających się z 10 transakcji (każda po co najmniej
2 elementy).
Przykład:
chleb masło
bułki kawa mleko chleb
bułki mleko
...
3. Wczytać plik z danymi.
> dane=read.transactions("ścieżka do pliku")
> LIST(dane)
4. Narysować wykres częstości.
> ?itemFrequencyPlot
> itemFrequencyPlot(dane, support = 0.1, cex.names = 0.8, type="absolute")
> itemFrequencyPlot(dane, support = 0.1, cex.names = 0.8, type="relative")
5. Wyznaczyć przy użyciu algorytmu apriori reguły asocjacyjne dla zbioru transakcji. Ustawić
trzy różne kombinacje wartości dla wsparcia (support) oraz wiarygodności (confidence).
>
>
>
>
?apriori
reguly = apriori(dane, parameter = list(support = ..., confidence = ...))
?inspect
inspect(reguly)
6. Zapis reguł do pliku.
> WRITE(reguly, file = "data.out", sep = "\t")
W sprawozdaniu należy umieścić:
1. Wyjaśnienie działania algorytmu apriori oraz jego parametrów - wsparcia oraz
wiarygodności.
2. Utworzony plik z danymi.
3. Polecenia + wyniki uzyskane przy użyciu środowiska R.
4. Własne obliczenia - krok po kroku - poszczególnych przejść algorytmu apriori (zbiory
kandydujące, zbiory częste, wsparcie i wiarygodność).
Eksploracja danych. Reguły asocjacyjne. | PS 2