R-リフトで先験的ルールを制限する方法はありますか？

Question

私は、このデータセットで探しています：

ca.1<-read.csv("CreditApproval.csv",T,",") 

# From http://stackoverflow.com/q/4787332/ 
remove_outliers <- function(x, na.rm = TRUE, ...) { 
    qnt <- quantile(x, probs=c(.25, .75), na.rm = na.rm, ...) 
    H <- 1.5 * IQR(x, na.rm = na.rm) 
    y <- x 
    y[x < (qnt[1] - H)] <- NA 
    y[x > (qnt[2] + H)] <- NA 
    y 
} 

ca.1$A2<-remove_outliers(ca$A2) 
ca.1$A3<-remove_outliers(ca$A3) 
ca.1$A8<-remove_outliers(ca$A8) 
ca.1$A11<-remove_outliers(ca$A11) 
ca.1$A14<-remove_outliers(ca$A14) 
ca.1$A15<-remove_outliers(ca$A15) 
ca.1$A2<-discretize(ca.1$A2,"frequency",categories = 6) 
ca.1$A3<-discretize(ca.1$A3,"frequency",categories = 6) 
ca.1$A8<-discretize(ca.1$A8,"frequency",categories = 6) 
ca.1$A11<-discretize(ca.1$A11,"frequency",categories = 6) 
ca.1$A14<-discretize(ca.1$A14,"frequency",categories = 6) 
ca.1$A15<-discretize(ca.1$A15,"frequency",categories = 6) 

ca.1<-na.omit(ca.1) 

微調整した後のサポート、自信は、分/私はまだ取得していますMAXLEN 65個のルール：

https://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/crx.data

私はデータを前処理しました

> rules<-apriori(ca.1, parameter= list(supp=0.15, conf=0.89, minlen=3, maxlen=4), appearance=list(rhs=c("class=-", "class=+"), default="lhs")) 
> rules.sorted <- sort(rules, by="lift") 
> inspect(rules.sorted) 
    lhs      rhs  support confidence lift  
[1] {A5=g,A9=t,A10=t} => {class=+} 0.1521739 0.8974359 2.770607 
[2] {A4=u,A9=t,A10=t} => {class=+} 0.1521739 0.8974359 2.770607 
[3] {A1=a,A9=f}   => {class=-} 0.1717391 0.9753086 1.442579 
[4] {A1=a,A9=f,A13=g} => {class=-} 0.1608696 0.9736842 1.440176 
...[65] 

表示されているとおり、+のルールは-のルールよりも大きなリフトですが、サポートと信頼性は低いです。私はドキュメントを見てきましたが、持ち上げによって制限するパラメータは見つかりませんでした。これは可能ですか？そうでない場合、このような状況ではどうしますか？あなたがしようとした場合はどう

Answer 1

：

apriori(df, parameter = list(lift = 0.3, minlen =2)) 

あなたはこのケースで何にでもご最小リフトを設定することができますが、ちょうど0.3を選びました。