빅데이터분석기사 실기 작업형(6) - 앙상블부터 연관성분석까지
본 글은 빅데이터분석기사 실기 작업형에 대비하여 요약 및 실습한 것을 작성한 글입니다.
기출문제의 데이터는 출처는 https://github.com/ingu627/BigDataAnalysis에 데이터 셋을 남겨놨습니다.
또한 해당 전체 코드는 /concept/R_basic_to_pro_6.R 파일에 담겨져 있습니다.
2021.12.31 : 제 3회 빅데이터 분석기사 실기를 합격했습니다.
빅데이터 분석기사(R) 시리즈를 보시고 도움이 되길 바랍니다.
혹시 해당 글을 pdf로 받고 싶으신 분은 이메일과 함께 댓글로 남겨주세요~
앙상블
- 앙상블은 여러 가지 동일한 종류 또는 서로 상이한 모형들의 예측/분류 결과를 종합하여 최종적인 의사결정에 활용하는 기법이다.
배깅(Bagging)
- 배깅(Bagging; BootStrap Aggregating)은 훈련 데이터에서 다수의 부트스트랩 자료를 생성하고, 각 자료를 모델링한 후 결합하여 최종 예측 모형을 만드는 알고리즘이다.
- 부트스트랩은 주어진 자료에서 동일한 크기의 표본을 랜덤 복원 추출로 뽑은 자료를 의미.
bagging(formula, data, mfinal, control)
| 파라미터 | 설명 |
|---|---|
| formula | 종속변수~독립변수 형식의 수식 |
| mfinal | 반복수 또는 트리의 수 (default = 100) |
| control | 의사결정나무 옵션 |
분석 함수 결과
| 결과변수 | 설명 |
|---|---|
| formula | 분석에 사용된 모형 |
| trees | bagging을 통해 생성된 의사결정나무들을 확인 |
| votes | 각 의사결정나무들이 1행 데이터에 대해 1 또는 2열의 분류를 가진다는 것에 대한 투표를 진행한 것 |
| prob | 각 행에 대해 1 또는 2열의 특정으로 분류되는 확률 |
| class | bagging 기법을 활용해 각 행의 분류를 예측한 것 |
| samples | 각 의사결정나무 부트스트랩 데이터의 레코드 번호 |
| importance | 변수의 상대적인 중요도를 나타내며, 지니 지수의 이익(gain) 도는 불확실성의 감소량을 고려한 측도 |
1. 데이터 탐색
library(mlbench)
data(PimaIndiansDiabetes2)
str(PimaIndiansDiabetes2)
head(PimaIndiansDiabetes2)
summary(PimaIndiansDiabetes2)
# pregnant glucose pressure triceps
# Min. : 0.000 Min. : 44.0 Min. : 24.00 Min. : 7.00
# 1st Qu.: 1.000 1st Qu.: 99.0 1st Qu.: 64.00 1st Qu.:22.00
# Median : 3.000 Median :117.0 Median : 72.00 Median :29.00
# Mean : 3.845 Mean :121.7 Mean : 72.41 Mean :29.15
# 3rd Qu.: 6.000 3rd Qu.:141.0 3rd Qu.: 80.00 3rd Qu.:36.00
# Max. :17.000 Max. :199.0 Max. :122.00 Max. :99.00
# NA's :5 NA's :35 NA's :227
# insulin mass pedigree age diabetes
# Min. : 14.00 Min. :18.20 Min. :0.0780 Min. :21.00 neg:500
# 1st Qu.: 76.25 1st Qu.:27.50 1st Qu.:0.2437 1st Qu.:24.00 pos:268
# Median :125.00 Median :32.30 Median :0.3725 Median :29.00
# Mean :155.55 Mean :32.46 Mean :0.4719 Mean :33.24
# 3rd Qu.:190.00 3rd Qu.:36.60 3rd Qu.:0.6262 3rd Qu.:41.00
# Max. :846.00 Max. :67.10 Max. :2.4200 Max. :81.00
# NA's :374 NA's :11
2. 데이터 전처리
PimaIndiansDiabetes2 = na.omit(PimaIndiansDiabetes2)
summary(PimaIndiansDiabetes2)
# pregnant glucose pressure triceps
# Min. : 0.000 Min. : 56.0 Min. : 24.00 Min. : 7.00
# 1st Qu.: 1.000 1st Qu.: 99.0 1st Qu.: 62.00 1st Qu.:21.00
# Median : 2.000 Median :119.0 Median : 70.00 Median :29.00
# Mean : 3.301 Mean :122.6 Mean : 70.66 Mean :29.15
# 3rd Qu.: 5.000 3rd Qu.:143.0 3rd Qu.: 78.00 3rd Qu.:37.00
# Max. :17.000 Max. :198.0 Max. :110.00 Max. :63.00
# insulin mass pedigree age diabetes
# Min. : 14.00 Min. :18.20 Min. :0.0850 Min. :21.00 neg:262
# 1st Qu.: 76.75 1st Qu.:28.40 1st Qu.:0.2697 1st Qu.:23.00 pos:130
# Median :125.50 Median :33.20 Median :0.4495 Median :27.00
# Mean :156.06 Mean :33.09 Mean :0.5230 Mean :30.86
# 3rd Qu.:190.00 3rd Qu.:37.10 3rd Qu.:0.6870 3rd Qu.:36.00
# Max. :846.00 Max. :67.10 Max. :2.4200 Max. :81.00
3. 분석 모형 구축
train.idx = sample(
1:nrow(PimaIndiansDiabetes2),
size=nrow(PimaIndiansDiabetes2)*2/3
)
train = PimaIndiansDiabetes2[train.idx,]
test = PimaIndiansDiabetes2[-train.idx, ]
library(ipred)
md.bagging = bagging(
diabetes~.,
data=train, nbagg = 25
)
# md.bagging
# Bagging classification trees with 25 bootstrap replications
# Call: bagging.data.frame(formula = diabetes ~ ., data = train, nbagg = 25)
4. 분석 모형 평가
pred = predict(md.bagging, test)
library(caret)
confusionMatrix(
as.factor(pred),
test$diabetes,
positive='pos'
)
# Confusion Matrix and Statistics
# Reference
# Prediction neg pos
# neg 80 21
# pos 6 24
# Accuracy : 0.7939
# 95% CI : (0.7145, 0.8596)
# No Information Rate : 0.6565
# P-Value [Acc > NIR] : 0.0004151
# Kappa : 0.5036
# Mcnemar's Test P-Value : 0.0070536
# Sensitivity : 0.5333
# Specificity : 0.9302
# Pos Pred Value : 0.8000
# Neg Pred Value : 0.7921
# Prevalence : 0.3435
# Detection Rate : 0.1832
# Detection Prevalence : 0.2290
# Balanced Accuracy : 0.7318
# 'Positive' Class : pos
부스팅
- 부스팅(Boosting)은 예측력이 약한 모형들을 결합하여 강한 예측 모형을 만드는 방법이다.
XGBoost
- XGBoost(eXtreme Gradient Boosting)는 병렬 처리가 지원되도록 지원되도록 구현하여 훈련과 분류 속도가 빠른 알고리즘이다.
- 부스팅 기법을 사용하는 알고리즘에는 AdaBoost, GBM, LightGBM, XGBoost(xXtreme Gradient Boosting), CatBoost 등이 있다.
XGBoost: 병렬 처리가 지원되도록 구현하여 훈련과 분류 속도가 빠른 알고리즘이다.xgb.train(params, data, nrounds, early_stopping_rounds, watchlist): xgboost 모델의 훈련을 위한 함수
| 파라미터 | 설명 |
|---|---|
| params | 파라미터 리스트 |
| data | xgb.DMatrix 객체 |
| nrounds | 최대 부스팅 반복 횟수 |
| early_stopping_rounds | early stopping 횟수 지정 지정된 회수 이상 성능 향상이 없을 경우 중지 |
| watchlist | 모형의 성능을 평가하기 위하여 사용하는 xgb.DMatrix 이름 |
- xgb.train 함수는 독립변수가 수치형 데이터만 사용이 가능하며, 명목형인 경우에는 One Hot Encoding을 수행하여 수치형으로 변환한 후 사용한다.
- 종속변수가 팩터형인 경우에는 숫자로 변환한 후 0부터 시작하기 위해 1을 뺀다.
| 주요 파라미터 | 설명 |
|---|---|
| booster | 부스터 방법 설정 (default:gbree) |
| eta | 학습률(learning rate) (default:0.3) 작을수록 과대 적합에 강건 |
| gamma | information Gain에 패널티를 부여하는 숫자 클수록 트리의 깊이가 줄어서 보수적인 알고리즘 |
| max_depth | 한 트리의 최대 깊이 (default:6) |
| subsample | 훈련 데이터의 샘플 비율 (default:1) |
| colsample_bytree | 개별 트리 구성할 때 컬럼의 subsample 비율 (default:1:) |
| objective | 목적 함수 지정 (default - reg:squarederror) |
| eval_mteric | 모델의 평가 함수 (default는 목적 함수에 따라 할당) |
xgb.DMatrix(data, info,...)
| 파라미터 | 설명 |
|---|---|
| data | Martix 객체, dgCMatrix 객체 또는 파일명 |
| info | xgb.DMatrix에 저장될 추가적인 정보들의 리스트 |
분석 모형 구축
# install.packages('xgboost')
library(xgboost)
train.label=as.integer(train$diabetes)-1
mat_train.data=as.matrix(train[, -9])
mat_test.data=as.matrix(test[, -9])
# install.packages('xgboost')
library(xgboost)
train.label=as.integer(train$diabetes)-1
mat_train.data=as.matrix(train[, -9])
mat_test.data=as.matrix(test[, -9])
xgb.train = xgb.DMatrix(
data = mat_train.data,
label = train.label
)
xgb.test = xgb.DMatrix(
data = mat_test.data
)
param_list = list(
booster = 'gbtree',
eta = 0.001,
max_depth = 10,
gamma = 5,
subsample = 0.8,
colsample_bytree = 0.8,
objective = 'binary:logistic',
eval_metric = 'auc'
)
md.xgb = xgb.train(
params = param_list,
data = xgb.train,
nrounds = 200,
early_stopping_rounds = 10,
watchlist = list(val1 = xgb.train),
verbose=1
)
# [1] val1-auc:0.792313
# Will train until val1_auc hasn't improved in 10 rounds.
# [2] val1-auc:0.859459
# [3] val1-auc:0.859459
# [4] val1-auc:0.878610
# [5] val1-auc:0.882152
# [6] val1-auc:0.881150
# [7] val1-auc:0.890742
# [8] val1-auc:0.891009
# [9] val1-auc:0.890909
# [10] val1-auc:0.892914
# [11] val1-auc:0.894318
# [12] val1-auc:0.893082
# [13] val1-auc:0.892413
# [14] val1-auc:0.893783
# [15] val1-auc:0.893048
# [16] val1-auc:0.891377
# [17] val1-auc:0.892112
# [18] val1-auc:0.892513
# [19] val1-auc:0.889472
# [20] val1-auc:0.889873
# [21] val1-auc:0.890241
# Stopping. Best iteration:
# [11] val1-auc:0.894318
분석 모형 평가
library(dplyr)
xgb.pred = predict(
md.xgb,
newdata = xgb.test
)
xgb.pred2 = ifelse(
xgb.pred >= 0.5,
xgb.pred <- 'pos',
xgb.pred <- 'neg'
)
# ifelse 안에서는 = 로 하면 에러가 난다. 반드시 <-로 해줘야 함.
xgb.pred2 = as.factor(xgb.pred2)
library(caret)
confusionMatrix(
xgb.pred2,
test$diabetes,
positive= 'pos'
)
# Confusion Matrix and Statistics
# Reference
# Prediction neg pos
# neg 78 23
# pos 8 22
# Accuracy : 0.7634
# 95% CI : (0.6812, 0.8332)
# No Information Rate : 0.6565
# P-Value [Acc > NIR] : 0.005436
# Kappa : 0.43
# Mcnemar's Test P-Value : 0.011921
# Sensitivity : 0.4889
# Specificity : 0.9070
# Pos Pred Value : 0.7333
# Neg Pred Value : 0.7723
# Prevalence : 0.3435
# Detection Rate : 0.1679
# Detection Prevalence : 0.2290
# Balanced Accuracy : 0.6979
# 'Positive' Class : pos
랜덤 포레스트
- 랜덤 포레스트(Random Forest)는 의사결정나무의 특징인 분산이 크다는 점을 고렿여 배깅과 부스팅보다 더 많은 무작위성을 주어 약한 학습기들을 생성한 후 이를 선형 결합하여 최종 학습기를 만드는 방법이다.
- 랜덤 포레스트 패키지는 랜덤 입력에 따른 여러 트리의 집합인 포레스트를 이용한 분류방법이다.
randomForest(formula, data, ntree, mtry)
| 파라미터 | 설명 |
|---|---|
| formula | 종속변수~독립변수 형식의 수식 |
| data | 데이터 프레임 |
| ntree | 사용할 트리의 수 |
| mtry | 각 분할에서 랜덤으로 뽑인 변수의 수 |
1. 분석 모형 구축
# install.packages('randomForest')
library(randomForest)
md.rf = randomForest(
diabetes ~.,
data = train,
ntree=100,
proximity=TRUE
)
print(md.rf)
# Call:
# randomForest(formula = diabetes ~ ., data = train, ntree = 100, proximity = TRUE)
# Type of random forest: classification
# Number of trees: 100
# No. of variables tried at each split: 2
# OOB estimate of error rate: 24.52%
# Confusion matrix:
# neg pos class.error
# neg 154 22 0.1250000
# pos 42 43 0.4941176
2. 중요도 확인
importance(md.rf)
# MeanDecreaseGini
# pregnant 10.760140
# glucose 25.962516
# pressure 8.373628
# triceps 10.613116
# insulin 18.244292
# mass 13.511800
# pedigree 10.673620
# age 15.948628
3. 혼동 행렬 및 예측
library(caret)
pred = predict(md.rf, test)
confusionMatrix(
as.factor(pred),
test$diabetes,
positive= 'pos'
)
# Confusion Matrix and Statistics
# Reference
# Prediction neg pos
# neg 81 24
# pos 5 21
# Accuracy : 0.7786
# 95% CI : (0.6978, 0.8465)
# No Information Rate : 0.6565
# P-Value [Acc > NIR] : 0.0016311
# Kappa : 0.4542
# Mcnemar's Test P-Value : 0.0008302
# Sensitivity : 0.4667
# Specificity : 0.9419
# Pos Pred Value : 0.8077
# Neg Pred Value : 0.7714
# Prevalence : 0.3435
# Detection Rate : 0.1603
# Detection Prevalence : 0.1985
# Balanced Accuracy : 0.7043
# 'Positive' Class : pos
군집 분석
- 군집 분석은 관측된 여러 개의 변숫값으로부터 유사성에만 기초하여 n개의 군집으로 집단화하고, 형성된 집단의 특성으로부터 관계를 분석하는 다변량 분석기법이다.
- 연속형 변수 거리로는 유클리드 거리, 맨하튼 거리, 민코우스키 거리, 표준화 거리, 마할라노비스 거리 등이 있다.
- 명목형 변수 거리는 개체 i와 j 간의 거리의 정의이다.
d(i,j)=(개체 i와 j에서 다른 값을 가지는 변수의 수)/ (총 변수의 수)
- 순서형 변수 거리는 순위 상관 계수(Rank Correlation Coefficient)를 이용하여 거리를 측정한다.
군집 분석 함수
| 함수 | 설명 |
|---|---|
| dist(data, method) | 데이터의 군집 간 거리를 측정 |
| mahalanobis(data,center,cov) | 데이터의 마할라노비스 거리를 측정 |
| hclust(data, method) | hclust 함수를 이용하여 생성 |
| agnes(data, metric, method) | cluster 패키지에서 계층적 군집방법을 이용하여 분석 |
| daisy(data, metric) | cluster 패키지에서 데이터 관측치 사이의 거리를 계산 |
- 거리 측정 방법의
method에는 “euclidean”, “maximum”, “manhattan”, “‘canberra”, binary”, “minkowski”가 있다. - 계층적 군집 분석의
method는 hclust 함수를 적용하며 “single”, “complete”, “average”, “median”, “ward.D”을 사용한다.
1. 데이터 탐색
str(USArrests)
# 'data.frame': 50 obs. of 4 variables:
# $ Murder : num 13.2 10 8.1 8.8 9 7.9 3.3 5.9 15.4 17.4 ...
# $ Assault : int 236 263 294 190 276 204 110 238 335 211 ...
# $ UrbanPop: int 58 48 80 50 91 78 77 72 80 60 ...
# $ Rape : num 21.2 44.5 31 19.5 40.6 38.7 11.1 15.8 31.9 25.8 ...
head(USArrests)
# Murder Assault UrbanPop Rape
# Alabama 13.2 236 58 21.2
# Alaska 10.0 263 48 44.5
# Arizona 8.1 294 80 31.0
# Arkansas 8.8 190 50 19.5
# California 9.0 276 91 40.6
# Colorado 7.9 204 78 38.7
summary(USArrests)
# Murder Assault UrbanPop Rape
# Min. : 0.800 Min. : 45.0 Min. :32.00 Min. : 7.30
# 1st Qu.: 4.075 1st Qu.:109.0 1st Qu.:54.50 1st Qu.:15.07
# Median : 7.250 Median :159.0 Median :66.00 Median :20.10
# Mean : 7.788 Mean :170.8 Mean :65.54 Mean :21.23
# 3rd Qu.:11.250 3rd Qu.:249.0 3rd Qu.:77.75 3rd Qu.:26.18
# Max. :17.400 Max. :337.0 Max. :91.00 Max. :46.00
2. 유클리디안 거리 측정
US.dist_euclidean = dist(USArrests, 'euclidean')
US.dist_euclidean
# Alabama Alaska Arizona Arkansas California
# Alaska 37.177009
# Arizona 63.008333 46.592489
# Arkansas 46.928137 77.197409 108.851918
# California 55.524769 45.102217 23.194180 97.582017
# Colorado 41.932565 66.475935 90.351148 36.734861 73.197131
# Connecticut 128.206942 159.406556 185.159526 85.028289 169.277110
# Delaware 16.806249 45.182961 58.616380 53.010376 49.291480
# Florida 102.001618 79.974496 41.654532 148.735739 60.980735
# ...
3. 분석 모형 구축 - 계층적 군집 분석
US.single = hclust(US.dist_euclidean^2, method="single")
plot(US.single)
4. 군집 분석을 통한 그룹 확인
- 계층적 군집 분석의 결과는 plot 함수를 통해 덴드로그램으로 시각화할 수 있다.
- 덴드로그램 결과는 cutree 함수로 그룹화를 하거나 rect.hclust 함수를 이용하여 그룹화할 수 있다.
| 함수 | 설명 |
|---|---|
| plot(data) | 거리 행렬 데이터를 기준으로 덴드로그램 그래프를 출력 |
| cutree(tree, k, h) | 덴드로그램 tree의 높이(h)나 그룹의 수(k)를 옵션으로 지정하여 그룹 생성 |
| rect.hclust(tree, k, which, x, h, border, cluster) | hclust 함수의 결과에서 각 그룹을 사각형으로 구분 |
group = cutree(US.single, k=6)
group
# Alabama Alaska Arizona Arkansas California
# 1 2 1 3 1
# Colorado Connecticut Delaware Florida Georgia
# 3 4 1 5 3
# Hawaii Idaho Illinois Indiana Iowa
# 4 4 1 4 4
# Kansas Kentucky Louisiana Maine Maryland
# 4 4 1 4 1
# Massachusetts Michigan Minnesota Mississippi Missouri
# 3 1 4 1 3
# Montana Nebraska Nevada New Hampshire New Jersey
# 4 4 1 4 3
# New Mexico New York North Carolina North Dakota Ohio
# 1 1 6 4 4
# Oklahoma Oregon Pennsylvania Rhode Island South Carolina
# 3 3 4 3 1
# South Dakota Tennessee Texas Utah Vermont
# 4 3 3 4 4
# Virginia Washington West Virginia Wisconsin Wyoming
# 3 3 4 4 3
비계층적 군집 분석 - k평균 군집 분석
- k-평균(k-means)는 k개만큼 원하는 군집 수를 초깃값으로 지정하고, 각 개체를 가까운 초깃값에 할당하여 군집을 형성하고 각 군집의 평균을 재계산하여 초깃값을 갱신한다. 갱신 과정을 반복하여 k개의 최종군집을 형성한다.
kmeans(data, centers)
1. 분석 모형 구축
# install.packages('NbClust')
library(NbClust)
# install.packages('rattle')
library(rattle)
df=scale(wine[-1])
set.seed(1234)
fit.km = kmeans(df, 3, nstart=25)
fit.km$size
# [1] 62 65 51
fit.km$centers
# Alcohol Malic Ash Alcalinity Magnesium Phenols
# 1 0.8328826 -0.3029551 0.3636801 -0.6084749 0.57596208 0.88274724
# 2 -0.9234669 -0.3929331 -0.4931257 0.1701220 -0.49032869 -0.07576891
# 3 0.1644436 0.8690954 0.1863726 0.5228924 -0.07526047 -0.97657548
# Flavanoids Nonflavanoids Proanthocyanins Color Hue Dilution
# 1 0.97506900 -0.56050853 0.57865427 0.1705823 0.4726504 0.7770551
# 2 0.02075402 -0.03343924 0.05810161 -0.8993770 0.4605046 0.2700025
# 3 -1.21182921 0.72402116 -0.77751312 0.9388902 -1.1615122 -1.2887761
# Proline
# 1 1.1220202
# 2 -0.7517257
# 3 -0.4059428
2. 분석 모형 활용
plot(df, col=fit.km$cluster)
points(
fit.km$center, col=1:3,
pch=8, cex=1.5)
연관성 분석
- 연관성 분석(Association Analysis)은 데이터 내부에 존재하는 항목 간의 상호 관계 혹은 종속 관계를 찾아내는 분석기법이다.
- R에서 연관 분석을 수행할 수 있는 함수는 arules 패키지에 포함되어 있는
apriori함수이다.aprori함수는 트랜잭션 데이터를 다루고 데이터 세트 내에서 최소 N 번의 트랜잭션이 일어난 아이템 집합들을 찾아 연관 분석을 수행하는 알고리즘이다.
as(data, class): 객체들을 리스트로 결합해주는 함수inspect(x, ...): transactions 데이터 확인apriori(data, parameter, appearance, control): 연관성 분석
| 파라미터 | 설명 |
|---|---|
| data | 연관 규칙 또는 트랜잭션 또는 아이템 매트릭스 데이터 |
| parameter | 최소 지지도(supp), 신뢰도(conf), 최대 아이템 개수(maxien), 최소 아이템 개수(minien) 입력 |
| appearance | 특정 연관규칙 결과를 찾을 수 있음 |
| control | 결과 보여주기 등의 알고리즘의 성능을 조정할 수 있음 |
1. 데이터 세트 준비
# install.packages('arules')
# install.packages('arulesViz')
library(arules)
library(arulesViz)
data('Groceries')
summary(Groceries)
# transactions as itemMatrix in sparse format with
# 9835 rows (elements/itemsets/transactions) and
# 169 columns (items) and a density of 0.02609146
# most frequent items:
# whole milk other vegetables rolls/buns soda
# 2513 1903 1809 1715
# yogurt (Other)
# 1372 34055
# element (itemset/transaction) length distribution:
# sizes
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
# 2159 1643 1299 1005 855 645 545 438 350 246 182 117 78 77 55 46
# 17 18 19 20 21 22 23 24 26 27 28 29 32
# 29 14 14 9 11 4 6 1 1 1 1 3 1
# Min. 1st Qu. Median Mean 3rd Qu. Max.
# 1.000 2.000 3.000 4.409 6.000 32.000
# includes extended item information - examples:
# labels level2 level1
# 1 frankfurter sausage meat and sausage
# 2 sausage sausage meat and sausage
# 3 liver loaf sausage meat and sausage
2. apriori 함수를 통한 연관 규칙 생성
apr = apriori(
Groceries,
parameter=list(support=0.01,
confidence=0.3)
)
# Apriori
# Parameter specification:
# confidence minval smax arem aval originalSupport maxtime support minlen
# 0.3 0.1 1 none FALSE TRUE 5 0.01 1
# maxlen target ext
# 10 rules TRUE
# Algorithmic control:
# filter tree heap memopt load sort verbose
# 0.1 TRUE TRUE FALSE TRUE 2 TRUE
# Absolute minimum support count: 98
# set item appearances ...[0 item(s)] done [0.00s].
# set transactions ...[169 item(s), 9835 transaction(s)] done [0.01s].
# sorting and recoding items ... [88 item(s)] done [0.00s].
# creating transaction tree ... done [0.00s].
# checking subsets of size 1 2 3 4 done [0.01s].
# writing ... [125 rule(s)] done [0.00s].
# creating S4 object ... done [0.00s].
# >
3. inspect 함수를 통해 연관 규칙 확인
inspect(sort(apr, by='lift')[1:10])
# lhs rhs support
# [1] {citrus fruit, other vegetables} => {root vegetables} 0.01037112
# [2] {tropical fruit, other vegetables} => {root vegetables} 0.01230300
# [3] {beef} => {root vegetables} 0.01738688
# [4] {citrus fruit, root vegetables} => {other vegetables} 0.01037112
# [5] {tropical fruit, root vegetables} => {other vegetables} 0.01230300
# [6] {other vegetables, whole milk} => {root vegetables} 0.02318251
# [7] {whole milk, curd} => {yogurt} 0.01006609
# [8] {root vegetables, rolls/buns} => {other vegetables} 0.01220132
# [9] {root vegetables, yogurt} => {other vegetables} 0.01291307
# [10] {tropical fruit, whole milk} => {yogurt} 0.01514997
# confidence coverage lift count
# [1] 0.3591549 0.02887646 3.295045 102
# [2] 0.3427762 0.03589222 3.144780 121
# [3] 0.3313953 0.05246568 3.040367 171
# [4] 0.5862069 0.01769192 3.029608 102
# [5] 0.5845411 0.02104728 3.020999 121
# [6] 0.3097826 0.07483477 2.842082 228
# [7] 0.3852140 0.02613116 2.761356 99
# [8] 0.5020921 0.02430097 2.594890 120
# [9] 0.5000000 0.02582613 2.584078 127
# [10] 0.3581731 0.04229792 2.567516 149
댓글남기기