You need to enable JavaScript to run this app. R语言市场篮子分析:Support、Confidence循环下如何可视化商品推荐的Lift值
优惠活动
大模型
产品
解决方案
定价
更多

R语言市场篮子分析:Support、Confidence循环下如何可视化商品推荐的Lift值

R语言市场篮子分析lift值可视化方案

首先从已生成的规则结果中提取结构化的指标数据集,再根据使用场景选择对应可视化方案即可。

前置操作:提取全量规则指标

先加载依赖包,再把每个参数组对应的apriori规则对象中的lift、支持度、置信度、规则内容等信息整合为统一的数据框:

library(arules)
library(ggplot2)
library(dplyr)
library(ggrepel)

# 整合所有规则的核心指标
rules_all <- res %>%
  rowwise() %>%
  # 过滤无有效规则的参数组,避免报错
  filter(n_rules > 0) %>%
  mutate(rule_df = list(
    # 提取规则质量指标+规则内容,绑定当前参数阈值
    as.data.frame(model@quality) %>%
      mutate(
        rule_content = labels(model),
        param_support = support,
        param_confidence = confidence
      )
  )) %>%
  pull(rule_df) %>%
  bind_rows()

整合完成的rules_all包含所有规则的实际指标、生成规则的参数阈值、商品关联内容,可直接用于可视化。

常用可视化实现方案

1. 不同参数组合平均lift热力图

适合快速定位最优的支持度、置信度阈值,选择高平均lift的参数组批量生成规则:

rules_all %>%
  group_by(param_support, param_confidence) %>%
  summarise(avg_lift = mean(lift), .groups = "drop") %>%
  ggplot(aes(x = factor(param_support), y = factor(param_confidence), fill = avg_lift)) +
  geom_tile() +
  geom_text(aes(label = round(avg_lift, 2)), color = "white", size = 3) +
  labs(
    x = "支持度阈值", y = "置信度阈值", fill = "平均lift值",
    title = "不同参数下关联规则平均提升度分布"
  ) +
  scale_fill_viridis_c()

2. 全规则指标散点图

适合展示所有规则的lift、支持度、置信度三者的关联关系,可直接标注高价值规则内容:

rules_all %>%
  ggplot(aes(x = support, y = confidence, color = lift, size = lift)) +
  geom_point(alpha = 0.7) +
  # 仅标注lift前10的规则,避免标签拥挤
  geom_text_repel(
    data = rules_all %>% slice_max(lift, n = 10),
    aes(label = rule_content),
    size = 3
  ) +
  labs(
    x = "规则实际支持度", y = "规则实际置信度", 
    color = "提升度", size = "提升度",
    title = "全量关联规则指标分布"
  ) +
  scale_color_viridis_c()

3. TopN高lift规则柱状图

适合给业务侧展示高价值关联规则,直接支撑商品推荐策略制定,lift值越高代表关联推荐的转化效率越高:

# 取lift排名前20的规则做展示,可按需调整数量
rules_all %>%
  slice_max(lift, n = 20) %>%
  ggplot(aes(x = lift, y = reorder(rule_content, lift), fill = lift)) +
  geom_col() +
  labs(
    x = "提升度", y = "关联规则", fill = "提升度",
    title = "Top20高价值商品关联规则"
  ) +
  scale_fill_viridis_c()

落地推荐时可直接筛选lift>1的规则,lift值代表用户购买前件商品后,购买后件商品的概率是随机购买概率的倍数。

内容的提问来源于stack exchange,提问作者AdilK

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.21 01:27:03