17、关联分析与时间序列分析：使用R语言进行数据挖掘

关联分析与时间序列分析：使用R语言进行数据挖掘

1. 关联分析基础

1.1 创建事务性数据

在物联网时代，我们会收到大量数据。例如，在监控设备异常或故障时，会得到一些故障代码。如何将这些原始数据转化为适合在R中进行分析的有意义的数据呢？下面是一个案例研究。

首先，创建一个随机数据集：

set.seed(270)
faults <- data.frame(
    serialNumber = sample(1:20, 100, replace = T),
    faultCode = paste("fc", sample(1:12, 100, replace = T), sep = "")
 )

这个数据集有20个不同的序列号，代表被监控的设备，每个设备可能有12种不同的故障代码。由于这里的关联分析不考虑事务顺序，我们假设这在本例中不是问题。

接着，去除数据中的重复项：

faults <- unique(faults)

在将数据转换为事务之前，数据框的结构很关键。标识符列需要是整数类型，如果是像“123abc”这样的客户或设备标识符，必须将其转换为整数。感兴趣的项目必须是因子类型。可以使用以下代码确认数据框结构：

str(faults)

由于数据是长格式，通常数据就是这样产生的。我们创建一个所有值都为TRUE的列，并使