Ｒのアソシエーション分析結果をGephiでネットワーク描画（２）（support値をノードのサイズ に、lift値をノードの配色に） - Qiita
スクリプトの実行結果 （Gephi 出力グラフ） 【ノードの大きさ】 アソシエーション分析結果のlift値の大きいほど（ノードも）大きい 【ノードの色】（アソシエーション分析結果の）support値が大きいほど、緑色の成分が濃い （※RGB値のうち、赤と青の要素は全ノード同じ値を設定） １. アソシエーション分析を実行 関数： arules 関数： arulesViz データ：組み込みデータセット Income を用いる Income ：米国サンフランシスコ・Bayエリア 9,409人の個人プロファイル（属性）・収入アンケート調査結果
R {arules} によるアソシエーション分析をちょっと詳しく <2> - StatsFragments
こちらの続き。 データの作り方 (承前) 単体の list や data.frame から arules::transactions インスタンスを作る方法は前回まとめた。 加えて、一般のデータでありえそうな 正規化された形を考える。サンプルは コンビニのPOSデータをイメージして、 tran.df: 1 トランザクション ( = 1 売上 )ごとに記録されるマスタ goods.df: 各トランザクションに対して販売された商品を記録するレコード の 2 テーブルからなるデータとする。必要な部分だけ抜き出すと、例えばこんな形。 library(arules) tran.df = data.frame(日時 = paste0('2014-12-22 ', seq(9, 20, 1), ':00'), レジ番号 = rep(1, 12), レシート番号 = seq(1, 12), 年齢層 = r
R {arules} によるアソシエーション分析をちょっと詳しく <1> - StatsFragments
今週は系列パターンマイニング用 R パッケージ {arulesSequences} と格闘していた。使い方にところどころよくわからないポイントがあり、思ったよりも時間がかかってしまった。 関連パッケージである {arules} ともども、ネットには簡単な分析についての情報はあるが、 データの作り方/操作についてはまとまったものがないようだ。とりあえず自分が調べたことをまとめておきたい。2 パッケージで結構なボリュームになるため、全 4 記事分くらいの予定。 概要 まずはパターンマイニングの手法を簡単に整理する。いずれもトランザクションと呼ばれるデータの系列を対象にする。トランザクションとは 1レコード中に複数の要素 (アイテム) を含むもの。例えば、 POSデータ: 1トランザクション = POSレジの売上 1回。アイテムはそのときに売れた個々の商品。 アンケート調査: 1トランザクション
アソシエーション分析＋グラフ構造可視化 ({arules} + {arulesViz}) で教師あり学習の変数重要度を可視化する - 渋谷駅前で働くデータサイエンティストのブログ
グローバルTokyoRで何話そうかなー、と思っていたんですがそう言えば主賓がvisualizationの人なんだったっけなぁということで、可視化の話にでもしようかなと。ということで、僕の大好きなネタでもやろうかと思います。 それは、「とにかく{arules} + {arulsViz}で可視化してしまえ」戦略。基本的に世の中のデータマイニングにせよ分類問題にせよ、実は様々な説明変数の共起（？）関係で表せることが多く*1、そういう時は何だかんだでassociation rulesを使うのが一番手っ取り早いんですよね。僕自身の勉強不足を補う目的からも（汗）、ちょっと書いてみようと思います。 アイテム間の条件付き確率たくさん→ベイジアンネットワークもどき→有向非循環グラフ 基本的に、association rulesはアイテム間の共起確率をある状態に対する条件付き確率として出すものです*2。そして
アソシエーション分析可視化パッケージarulesViz - Analyze IT.
最近転職して、Rをメインで使用しています。（弊社のR使用率はなんと100％！） 今後も仕事を通じてRの普及と進歩に貢献していきたいと考えています。 今回の記事の更新はRAdventCalendar2012の一貫として更新しています。 ハッシュタグは#RAdventJPですので、こちらもぜひチェックしてみてください。 早くビールが飲みたいので、今日はアソシエーション分析の結果を可視化するパッケージのarulesVizの紹介をしてお茶を濁したいと思います。 アソシエーション分析とはなんぞやとかRでのアソシエーション分析の使い方については、Tokyo.R #22の発表資料が大変よくまとまっていてわかりやすいので、こちらをご覧になってください。これを読めばアソシエーション分析については基本を抑えることが出来ると思います。アソシエーション分析について知らない方はこの記事を読む前にこちらをご覧になって
Rによるアソシエーション分析 - Qiita
相関ルール 頻出するアイテム間の何らかの組み合わせの規則をアソシエーションルールと呼ぶ。アソシエーションルールは連関ルール、関連ルール、相関ルールなどと呼ばれます。 「商品Aを買うと商品Ｂも買う」のようなルールを見つけ出すことを目標としています。 今回の例は、掃除機の購買動機に繋がる不満要素の組み合わせです。 これを特定し、その中でも特に強い不満点を解明して、商品開発に貢献させることを目標とします。 アンケートの設問 設問の形式 チェックボックス系の複数回答形式の設問 回答データ 水平展開形式のデータ サンプル毎に複数の設問への回答が存在し、１サンプル１レコードの形式であること。 集計データ 予め用意できるのであれば、SQLなどで集計データを作成しておくとグラフが描きやすくなります。 （※そこまで準備しなくとも、Rで図を出すことは可能です。） ※しかし、この表では集計されてしまっているので
R言語による アソシエーション分析－組合せ・事象の規則を解明する－（第５回R勉強会＠東京）
第５回R勉強会＠東京(10/5/22)の講師資料です。「R言語による アソシエーション分析－組合せ・事象の規則を解明する－」。 hamadakoichi, 濱田晃一Read less
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【第二回】アソシエーション分析：購買分析からレコメンデーション応用まで