将边列表转换为 arules 事务稀疏邻接矩阵

Question

我有边缘形式的交易数据，我需要创建一个可以与 arules R 包一起使用的基于交易的稀疏矩阵。目前我正在使用 tidyr 包中的 "spread" 将边列表转换为矩阵，每行作为基于 "basket ID. Then I after converting it to a logical since I can't use quantity information with arules I convert it the "transaction" 的数据类型。请参阅下面的 R 代码示例。

我的问题是，这适用于小集 basket/transactions，但是当我有更多集时，由于 "spread" 函数，它会导致内存问题。我想知道是否有更 memory/resource 有效的方法将原始边缘视图转换为 arules 使用的事务数据类型？提前感谢您的任何建议！

## Load libraries

library(tidyr)
library(arules)

## Create an example of the transactions that I am analizing 

TransEdgeList = data.frame(BasketID=c(1,1,2,2,3,3,3), 
                               Item=c(10,11,10,12,10,11,13),
                               Qty=c(1,1,2,3,1,2,1))

#convert to something that arules can transform
BasketDataFrame = spread(TransEdgeList, Item, Qty)

#convert to logical 
BasketDataFrame[, 2:dim(BasketDataFrame)[2]]=  
  !is.na(BasketDataFrame[, 2:dim(BasketDataFrame)[2]])

#convert to a transaction sparse matrix that arules can use
BasketMatrix = as(BasketDataFrame[, 2:dim(BasketDataFrame)[2]], "transactions")

BasketMatrix

Answer 1

我会手动构建一个稀疏逻辑三元组矩阵 (ngTMatrix)，将其转换为稀疏 ngCMatrix，然后再将其转换为交易对象。这样就不会创建一个完整的矩阵表示，你应该在记忆方面很好。

 library(arules)
 library(Matrix)

 TransEdgeList <- data.frame(BasketID=c(1,1,2,2,3,3,3), 
   Item=c(10,11,10,12,10,11,13),
   Qty=c(1,1,2,3,1,2,1))

 m <- new("ngTMatrix", 
   i = as.integer(TransEdgeList$Item)-1L, 
   j = as.integer(TransEdgeList$BasketID)-1L, 
    Dim = as.integer(c(max(TransEdgeList$Item), max(TransEdgeList$BasketID))))

 m <- as(m, "ngCMatrix")

 tr <- as(m, "transactions")
 inspect(tr)

     items      itemsetID
 [1] {10,11}    1        
 [2] {10,12}    2        
 [3] {10,11,13} 3

将边列表转换为 arules 事务稀疏邻接矩阵

Convert edge list to a arules transaction sparse adjacency matrix

r

transactions

arules