循序樣式探勘是一種用來找出「大部分的人都有的行為模式」的有效方法。我以前用過JavaScript寫過循序樣式探勘工具，也用Weka的GSP來實作過，最近我又發現可以用R的arulesSequences來輕鬆完成循序樣式探勘的工作。以下我會介紹循序樣式探勘的概念，並分享用R來實作的腳本。

1. 布丁布丁吃布丁
http://blog.pulipuli.info/
2017/1/14
循序樣式探勘：
以R的arulesSequences實作

2. 2
循序樣式探勘介紹
曾憲雄（2005）。資料探勘。
臺北市：旗標。
（ISBN：978-957-442-236-4）

3. 3
循序樣式探勘
●循序樣式探勘的目的是找出顧客在不同時間點所購買的
物品先後之關係。
●例如：
○根據消費者每次交易所購買的產品資料與交易時間，
發掘出類似下列的循序樣式：「80%的顧客如果購買
PC主機和螢幕，則下一次會購買印表機」
○根據學習者在學習活動中不同時間順序，發掘出類似
以下的循序樣式：「50%學習者在回答問題之後瀏覽
討論區」

4. 定義：序列、項目集
●一個序列 (sequence) 是項目集 (itemsets)的有序串列
(ordered list)
○序列 S 被表示成 <s1,s2,…,sn>，其中si (1< i ≦ n) 是項
目集。
○例如，<{10, 20},{30},{90}> 是一個序列，
其中{10, 20}、{30} 以及 {90} 皆是項目集。™
○{10,20}項目集中包含了{10}跟{20}這兩個項目集
4

5. 定義：包含、子序列
●包含：序列 <{a1},{a2},…,{an}> 被包含在序列
<{b1},{b2},…,{bm}> 中，假如存在整數 i1<i2< …<in
滿足
○序列 <{10},{90}>被包含在 <{10, 20},{30},{90}>中
○<{10},{90}>不被包含在 <{10, 90}>。
這是因為在序列 <{10},{90}> 中，項目集 {10} 和 {90}
是先後在不同交易中被購買的。
●若序列S包含序列S’，
則稱序列S’為序列S的 「子序列」 (subsequence)。
5

6. 定義：k-序列、最大序列
●一個包含 k個項目集的序列稱之為k-序列 (k-sequence)
●給定一組序列S，若序列S不被包含在其它序列中，
則稱它為 「最大序列」 (maximal sequence)。
○每一個最大序列則代表一個
循序樣式 (sequential pattern)。
○例如兩個序列：
2序列：<{10},{90}>
3序列：<{10, 20},{30},{90}>
3序列不被包含在其他序列中，它就是最大序列
6

7. 定義：顧客序列
●對於每一個顧客，將他所有的交易根據交易時間排序所
得到的結果就是一個「顧客序列」。
7
會員帳號 顧客序列
1 <{10,20},{30},{40,60}>
2 <{10,20},{30},{90}>
3 <{30},{90}>
4 <{10,20,30}>
5 <{30},{60,90}>

8. 定義：支持度、最小支持度
●一個序列 S的「支持度 (support)」被定義為「包含S的
顧客序列之總數佔全部顧客總數的比例」。
○有多少比例的顧客都會做這樣的序列
●若序列滿足使用者設定的「最小支持度」 (minimum
Support) 之限制，則稱之為 「大型序列」 (large
Sequence)。
○一旦發掘所有的大型序列之後，就能夠輕易產生所有
的最大序列。
○循序樣式探勘的問題就是要找出所有的循序樣式，也
就是所有的最大序列。
8

9. 範例：依會員帳號和交易時間
排序後的資料庫
9

10. 範例：顧客序列資料庫
10
會員帳號 顧客序列
1 <{10,20},{30},{40,60}>
2 <{10,20},{30},{90}>
3 <{30},{90}>
4 <{10,20,30}>
5 <{30},{60,90}>

11. 範例試算
●設定最小支持度為0.2：因為會
員帳號總數為5，所以最小支持
個數需大於5*0.2=1。
●序列 <{30}> 和 <{30},{90}>
的支持個數分別為5和3，支持
度為1跟0.6，所以它們都是大
型序列。
●結果：最大序列為<{30},{90}>
○序列 <{30}>不是最大序列，
因為它被包含在大型序列
<{30},{90}> 之中。
11
會員
帳號
顧客序列
1 <{10,20},{30},{40,60}>
2 <{10,20},{30},{90}>
3 <{30},{90}>
4 <{10,20,30}>
5 <{30},{60,90}>

12. 12
以R實作arulesSequences
Data Mining Algorithms In R
/Sequence Mining/SPADE
https://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Sequence_Mining/SPADE

13. 13
資料集與運作環境
●運作環境
RStudio
●資料集
input.csv
●執行腳本
arulesSequences.r

14. 操作步驟
1.配置腳本與資料
2.準備資料集
3.從R腳本開啟RStudio
4.設定最小支持度
5.全選腳本與執行
6.輸出結果
7.解釋結果
14

15. 1. 配置腳本與資料
15

16. 2. 準備資料集
input.csv
16
1 2 3
1.使用者代號
2.時間
3.事件
(用空白區隔)

17. 3. 從R腳本開啟RStudio
17

18. 預設最小支持度0.4=找出40%以上的人共有的循序樣式
4. 設定最小支持度
18

19. 5. 全選腳本與執行
19
全選
(Ctrl+a)
執行
(Ctrl+Enter)

20. 6. 輸出結果
20

21. 7. 解釋結果
21
score sequence
_length
support sequence score sequence
_length
support sequence
1.5 3 0.5 <{P},{F},{A}> 1 2 0.5 <{P},{B}>
1.5 3 0.5 <{P},{B},{A}> 1 2 0.5 <{B},{A}>
1.5 3 0.5 <{P},{B,F},{A}> 1 2 0.5 <{F},{A}>
1 1 1 <{A}> 1 2 0.5 <{P},{A}>
1 1 1 <{B}> 1 2 0.5 <{B,F},{A}>
1 1 1 <{F}> 0.75 1 0.75 <{A,F}>
1 1 1 <{B,F}> 0.75 1 0.75 <{A,B,F}>
1 2 0.5 <{P},{F}> 0.75 1 0.75 <{A,B}>
1 2 0.5 <{P},{B,F}> 0.5 1 0.5 <{P}>
score 最大&支持度高
=sequence_length*support

22. 7. 解釋結果
22
score sequence
_length
support sequence score sequence
_length
support sequence
1.5 3 0.5 <{P},{F},{A}> 1 2 0.5 <{P},{B}>
1.5 3 0.5 <{P},{B},{A}> 1 2 0.5 <{B},{A}>
1.5 3 0.5 <{P},{B,F},{A}> 1 2 0.5 <{F},{A}>
1 1 1 <{A}> 1 2 0.5 <{P},{A}>
1 1 1 <{B}> 1 2 0.5 <{B,F},{A}>
1 1 1 <{F}> 0.75 1 0.75 <{A,F}>
1 1 1 <{B,F}> 0.75 1 0.75 <{A,B,F}>
1 2 0.5 <{P},{F}> 0.75 1 0.75 <{A,B}>
1 2 0.5 <{P},{B,F}> 0.5 1 0.5 <{P}>
1 10 2 C P
1 15 3 A B C
1 20 3 A B F
1 25 4 A C P F
2 15 3 A B F
2 20 1 E
3 10 3 A B F
4 10 3 P G H
4 20 2 B F
4 25 3 A G H

23. BLOG: 布丁布丁吃什麼？
http://blog.pulipuli.info/
23