如何获取关联规则集的合并支持度并验证目标样本覆盖情况？

要提取规则集的所有LHS并过滤数据集，统计覆盖的versicolor样本数，可以按以下步骤操作：

1. 提取所有规则的左部（LHS） #

用arules包的lhs()函数直接提取规则对象的左部条件：

# 提取规则集的所有左部条件
rule_lhs <- lhs(rules_1)

2. 匹配数据集样本与规则LHS #

使用is.subset()函数生成样本-规则匹配矩阵，再通过apply()标记每个样本是否满足任意一条规则的LHS：

# 生成匹配矩阵：每行对应一个样本，每列对应一条规则，TRUE表示样本满足该规则LHS
matches_matrix <- is.subset(rule_lhs, iris, sparse = FALSE)
# 标记样本是否被任意一条规则覆盖
is_covered <- apply(matches_matrix, 1, any)

3. 统计覆盖情况 #

基于标记结果筛选样本，统计目标样本的覆盖数量与比例：

# 筛选被规则覆盖的样本
covered_samples <- iris[is_covered, ]

# 计算关键指标
total_versicolor <- sum(iris$Species == "versicolor")
covered_versicolor <- sum(covered_samples$Species == "versicolor")

cat("规则集覆盖的versicolor样本数：", covered_versicolor, "\n")
cat("versicolor样本覆盖比例：", round(covered_versicolor / total_versicolor, 2), "\n")

简化写法 #

如果不需要保留匹配矩阵，可直接合并为一行代码完成筛选：

covered_samples <- iris[apply(is.subset(lhs(rules_1), iris, sparse = FALSE), 1, any), ]

运行后就能直观看到当前规则集覆盖了多少目标样本，判断是否覆盖全部50条versicolor数据。

内容的提问来源于stack exchange，提问作者Rory Ellis