R语言关联规则Apriori对杭州空气质量与气象因子数据研究可视化

2024-04-30 30

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： R语言关联规则Apriori对杭州空气质量与气象因子数据研究可视化

全文链接：https://tecdat.cn/?p=34161

近年来，环境污染问题已经成为全球性的关注焦点。尤其是中国这个世界上最大的发展中国家，其经济快速发展的同时，环境问题也愈发凸显（点击文末“阅读原文”获取完整代码数据）。

我们基于关联规则的方法，以杭州市不同站点的空气质量和气象因子数据为基础，探讨两者之间的内在关系。

帮助客户进行基于关联规则的空气质量与气象因子研究，并详细阐述该研究的背景和目标。

从以下几个方面介绍研究的动机和重要性：

数据预处理

data1=read.xlsx("气象数据    气象局.xlsx")  
data2=read.xlsx("所有站点小时数据.xlsx")
#删除缺失数据
  
  
data1=na.omit(data1)  
  
data2=na.omit(data2)

dataall=merge(data1,data2,by="datetime")

trans <- as(dataall, "transactions")  
inspect(head(trans, 1))

#查看出现频率  
par(mfrow=c(1,1))  
itemFrequencyPlot(dat1, support = 0.3, cex.names=0.8)

可以看到每个变量出现的频率，从而判断哪些变量的支持度较高。

#得到频繁规则挖掘  
arules::inspect(frequentsets)

arules::inspect(sort(frequentsets,by="support"))

#建立模型  
rules=apriori

summary(rules)#查看规则

#查看部分规则  
arules::inspect( (rules))

绘制不同规则图形来表示支持度，置信度和提升度

可以看到规则前项和规则后项分别有哪些变量以及每个变量的支持度大小，支持度越大则圆圈越大。

点击标题查阅往期内容

R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化

从该图可以看到支持度和置信度的关系，置信度越高提升度也越高。

从该图可以看到支持度和置信度的关系，提升度越高置信度也越高

plot(rules, method="matrix3D", measure="lift")

#查看最高的支持度样本规则  
rules <- sort(rules, by="support")

#查看最高置信度样本规则
arules::inspect(head(rules, n=10))

#查看最高提升度样本规则  
arules::inspect(head(rules, n=10))

subset=confidence>0.3 & support>0.2 & lift>=1    #得到有价值规则子集

by="support"))    #按照支持度排序

,by="confidence"))    #按照置信度排序

plot(x, method="grouped")

plot(x, method="graph")