3.2　关联规则数据格式

项目与事务的数据格式有以下五种。

（1）二元关联矩阵（binary incidence matrix）：如图3-3（a）所示，这种格式的数据，可以储存为Excel的.csv格式，行是事务标识，列是项目，1表示该事务购买了该项目。

（2）事务数据库（transactions database）：如图3-3（b）所示，这种格式的数据，可以储存为Word的.txt格式，每个事务储存它所包含的项集。

（3）因子项目数据框（data frame）：事务数据的数据框表示，适合有因子的项目，如图3-3（c）所示，项目A有A₁，A₂，A₃，3个水平。每个事务在每个因子有一个水平。

（4）事务频数表（transaction frequency table）：如图3-3（d）所示，计算各项集的事务频数，例如 #{A=0，B=0，C=0}=24。储存在R表格的格式。

（5）事务表格式：如图3-3（e）所示，每行一个TID一个项目，可以储存为.csv格式。

图3-3　数据表示

图3-3（d）是三个纬度的表，表内数字是频数，事务的项目A=0，B=0，C=0有24个。

关联规则分析要注意数据格式，R语言函数 arules::apriori可以处理（a）、（b）、（c）三种格式。（d）、（e）的格式要在程序中转换为数据格式，可以用arules包进行转换。

请见本章3.6.1节泰坦尼克号的关联规则实例计算。