研究煤矿隐患数据的挖掘以实现海量隐患数据的有效利用，在分析矿山数据挖掘枝术和煤矿隐患数据特点的基础上，提出煤矿隐患数据挖掘是矿山数字化的重要组成部分

由Kaizong Ye，Weilong Zhang撰写

给出煤矿隐患数据挖掘的概念，设计了煤矿隐患数据挖掘模型，并进一步分析了适用于煤矿隐患数据的挖掘算法。

以关联算法为例，对隐患数据进行多维关联规则挖掘，分析挖掘结果表明隐患多维数据之间存在紧密关联性，能够为煤矿安全决策提供支持。

可下载资源

× 基本介绍了最简单的频繁模式挖掘的算法Apriori，但是该算法有几个固有的缺点：会产生数量庞大的候选集集合操作中涉及到多次对整个事务集扫描的步骤所以为什么一定要产生候选集？是否可以不通过产生候选集的方式来完成频繁模式挖掘呢？频繁模式增长(frequent pattern growth，简称FP-growth)就是一种该方向的尝试。

以下以R语言为例为大家介绍关联规则在煤矿隐患管理的应用

dat1=read.csv("安全隐患数据FP-Growth.csv",header=T ,stringsAsFactors=T)read data

head(dat1)have a look at data

视频

关联规则模型、Apriori算法及R语言挖掘杂货店交易数据与交互可视化

探索见解 ➜

去bilibili观看 ➜

探索更多视频 ➜

   隐患日期 隐患单位 隐患条数       汇报人     隐患地点 隐患地点.1
 1 2009/1/2   综采队      5条       张立新   1106工作面     工作面
 2 2009/1/2   综采队            赵军孙旭光   1106工作面     工作面
 3 2009/1/2   综采队          郎志俊赵建军   1106工作面     工作面
 4 2009/1/2 机电二队      4条 宋慧刚李思光 一采区胶带巷     胶带巷
 5 2009/1/2 机电二队      4条 宋慧刚李思光 一采区胶带巷     胶带巷
 6 2009/1/2 机电二队      4条 宋慧刚李思光 一采区胶带巷     胶带巷
     处理措施 处理时间 负责人                                    隐患描述
 1       处理 2009/1/3 赵海根                     1、有两组支架高压胶管破
 2 处理开水幕 2009/1/3 陈小旦               1、皮带机头硬架尾部压柱不吃劲
 3   调整管理 2009/1/3 陈小旦            2、60-66架煤墙松软，有片帮现象
 4       整改 2009/1/3 崔庆忠 1、主皮带上坡处第一道挡车器有一个肖未插到位
 5       整改 2009/1/3 崔庆忠                 2、主皮带机头消防水管未码放
 6       整改 2009/1/3 崔庆忠             4、主皮带机头有一盏灯一头未吊挂
     隐患主题 隐患时间
 1   支架问题 第一季度
 2 皮带机问题 第一季度
 3   片帮问题 第一季度
 4 皮带机问题 第一季度
 5   火灾问题 第一季度
 6 皮带机问题 第一季度

隐患主题、隐患时间、隐患地点和隐患单位

dat1=as(dat1[c("隐患主题","隐患时间","隐患地点.1","隐患单位")], "transactions")



inspect(frequentsets[1:10]) 察看求得的频繁项集 review frequent sets

      items                                 support   
 [1]  {隐患主题=片帮问题,隐患地点.1=工作面} 0.05084388
 [2]  {隐患地点.1=排水巷,隐患单位=综掘二队} 0.05327004
 [3]  {隐患主题=支架问题,隐患地点.1=工作面} 0.06329114
 [4]  {隐患时间=第二季度,隐患地点.1=猴车巷} 0.05126582
 [5]  {隐患地点.1=猴车巷,隐患单位=综掘三队} 0.08829114
 [6]  {隐患时间=第二季度,隐患单位=综掘一队} 0.05000000
 [7]  {隐患地点.1=风巷,隐患单位=综掘一队}   0.08164557
 [8]  {隐患时间=第二季度,隐患单位=综掘二队} 0.05527426
 [9]  {隐患时间=第二季度,隐患单位=综掘三队} 0.05991561
 [10] {隐患地点.1=工作面,隐患单位=综采队}   0.13491561

最受欢迎的见解

1.Python中的Apriori关联算法-市场购物篮分析

2.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图

3.用关联规则数据挖掘探索药物配伍中的规律

4.通过Python中的Apriori算法进行关联规则挖掘

5.用关联规则数据挖掘探索药物配伍中的规律

6.采用SPSS Modeler的Web复杂网络对所有腧穴进行分析

7.R语言如何在生存分析与COX回归中计算IDI，NRI指标

8.R语言如何找到患者数据中具有差异的指标？（PLS—DA分析）

9.R语言中的生存分析Survival analysis晚期肺癌患者4例

根据支持度对求得的频繁项集排序并察看

等价于inspect(sort(frequentsets)[1:10]）

      items                               support  
 [1]  {隐患时间=第二季度}                 0.3750000
 [2]  {隐患地点.1=工作面}                 0.2995781
 [3]  {隐患时间=第一季度}                 0.2668776
 [4]  {隐患时间=第三季度}                 0.1997890
 [5]  {隐患单位=综安队}                   0.1775316
 [6]  {隐患地点.1=风巷}                   0.1585443
 [7]  {隐患地点.1=工作面,隐患单位=综安队} 0.1521097
 [8]  {隐患主题=锚杆问题}                 0.1464135
 [9]  {隐患时间=第四季度}                 0.1437764
 [10] {隐患主题=皮带机问题}               0.1431435

R语言Apriori关联规则、kmeans聚类、决策树挖掘研究京东商城网络购物用户行为数据可视化

阅读文章 ➜

fp growth tree 挖掘关联规则

fptree=function (data, parameter = NULL, appearance = NULL, control = NULL) 
{
  data 
    appearance <- as(c(appearance, list(labels = itemLabels(data))), 
                     "APappearance")
 ...
  call <- match.call()
  result@info <- list(data = call$data, ntransactions = length(data), 
                      support = parameter@support, confidence = parameter@confidence)

随时关注您喜欢的主题

if (is(result, "rules")) {
    validObject(result@lhs@data)
    validObject(result@rhs@data)
  }
  else {
    validObject(result@items@data)
  }
  result
}

rules=fptree(dat1,parameter=list(support=0.06,confidence=0.1,minlen=2)) 求关联规则

 
summary(rules)Inspect transactions

 set of 25 rules
 
 rule length distribution (lhs + rhs):sizes
  2  3 
 22  3 
 
    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    2.00    2.00    2.00    2.12    2.00    3.00 
 
 summary of quality measures:
     support          confidence          lift       
  Min.   :0.06276   Min.   :0.1868   Min.   :0.9775  
  1st Qu.:0.06456   1st Qu.:0.2928   1st Qu.:1.0806  
  Median :0.07078   Median :0.4244   Median :1.3247  
  Mean   :0.08642   Mean   :0.4940   Mean   :2.5253  
  3rd Qu.:0.08829   3rd Qu.:0.6643   3rd Qu.:3.2100  
  Max.   :0.15211   Max.   :0.9676   Max.   :7.2803  
 
 mining info:
  data ntransactions support confidence
  dat1          9480    0.06        0.1

inspect(head(rules))

     lhs                    rhs                 support    confidence
 [1] {隐患主题=支架问题} => {隐患地点.1=工作面} 0.06329114 0.9600000 
 [2] {隐患地点.1=工作面} => {隐患主题=支架问题} 0.06329114 0.2112676 
 [3] {隐患地点.1=猴车巷} => {隐患单位=综掘三队} 0.08829114 0.9676301 
 [4] {隐患单位=综掘三队} => {隐患地点.1=猴车巷} 0.08829114 0.6642857 
 [5] {隐患单位=综掘一队} => {隐患地点.1=风巷}   0.08164557 0.7267606 
 [6] {隐患地点.1=风巷}   => {隐患单位=综掘一队} 0.08164557 0.5149701 
     lift    
 [1] 3.204507
 [2] 3.204507
 [3] 7.280264
 [4] 7.280264
 [5] 4.583959
 [6] 4.583959

quality(head(rules))

      support confidence     lift
 1 0.06329114  0.9600000 3.204507
 2 0.06329114  0.2112676 3.204507
 3 0.08829114  0.9676301 7.280264
 4 0.08829114  0.6642857 7.280264
 5 0.08164557  0.7267606 4.583959
 6 0.08164557  0.5149701 4.583959

rules <- sort(rules, by="support")
inspect(head(rules, n=40))Look at rules with highest support

      lhs                                      rhs                
 [1]  {隐患单位=综安队}                     => {隐患地点.1=工作面}
 [2]  {隐患地点.1=工作面}                   => {隐患单位=综安队}  
 [3]  {隐患单位=综采队}                     => {隐患地点.1=工作面}
 [4]  {隐患地点.1=工作面}                   => {隐患单位=综采队}  
 [5]  {隐患地点.1=工作面}                   => {隐患时间=第二季度}
 [6]  {隐患时间=第二季度}                   => {隐患地点.1=工作面}
 [7]  {隐患地点.1=猴车巷}                   => {隐患单位=综掘三队}
 [8]  {隐患单位=综掘三队}                   => {隐患地点.1=猴车巷}
 [9]  {隐患时间=第一季度}                   => {隐患地点.1=工作面}
 [10] {隐患地点.1=工作面}                   => {隐患时间=第一季度}
 [11] {隐患单位=综掘一队}                   => {隐患地点.1=风巷}  
 [12] {隐患地点.1=风巷}                     => {隐患单位=综掘一队}
 [13] {隐患单位=综安队}                     => {隐患时间=第二季度}
 [14] {隐患时间=第二季度}                   => {隐患单位=综安队}  
 [15] {隐患地点.1=风巷}                     => {隐患时间=第二季度}
 [16] {隐患时间=第二季度}                   => {隐患地点.1=风巷}  
 [17] {隐患地点.1=工作面,隐患单位=综安队}   => {隐患时间=第二季度}
 [18] {隐患时间=第二季度,隐患单位=综安队}   => {隐患地点.1=工作面}
 [19] {隐患时间=第二季度,隐患地点.1=工作面} => {隐患单位=综安队}  
 [20] {隐患时间=第三季度}                   => {隐患地点.1=工作面}
 [21] {隐患地点.1=工作面}                   => {隐患时间=第三季度}
 [22] {隐患主题=支架问题}                   => {隐患地点.1=工作面}
 [23] {隐患地点.1=工作面}                   => {隐患主题=支架问题}
 [24] {隐患单位=综安队}                     => {隐患时间=第一季度}
 [25] {隐患时间=第一季度}                   => {隐患单位=综安队}  
      support    confidence lift     
 [1]  0.15210970 0.8568033  2.8600336
 [2]  0.15210970 0.5077465  2.8600336
 [3]  0.13491561 0.9616541  3.2100286
 [4]  0.13491561 0.4503521  3.2100286
 [5]  0.10981013 0.3665493  0.9774648
 [6]  0.10981013 0.2928270  0.9774648
 [7]  0.08829114 0.9676301  7.2802642
 [8]  0.08829114 0.6642857  7.2802642
 [9]  0.08639241 0.3237154  1.0805712
 [10] 0.08639241 0.2883803  1.0805712
 [11] 0.08164557 0.7267606  4.5839588
 [12] 0.08164557 0.5149701  4.5839588
 [13] 0.07078059 0.3986928  1.0631808
 [14] 0.07078059 0.1887482  1.0631808
 [15] 0.07004219 0.4417831  1.1780883
 [16] 0.07004219 0.1867792  1.1780883
 [17] 0.06455696 0.4244105  1.1317614
 [18] 0.06455696 0.9120715  3.0445205
 [19] 0.06455696 0.5878963  3.3115012
 [20] 0.06339662 0.3173178  1.0592159
 [21] 0.06339662 0.2116197  1.0592159
 [22] 0.06329114 0.9600000  3.2045070
 [23] 0.06329114 0.2112676  3.2045070
 [24] 0.06276371 0.3535354  1.3247095
 [25] 0.06276371 0.2351779  1.3247095

 Look at rules with highest support

      lhs                                      rhs                
 [1]  {隐患地点.1=猴车巷}                   => {隐患单位=综掘三队}
 [2]  {隐患单位=综采队}                     => {隐患地点.1=工作面}
 [3]  {隐患主题=支架问题}                   => {隐患地点.1=工作面}
 [4]  {隐患时间=第二季度,隐患单位=综安队}   => {隐患地点.1=工作面}
 [5]  {隐患单位=综安队}                     => {隐患地点.1=工作面}
 [6]  {隐患单位=综掘一队}                   => {隐患地点.1=风巷}  
 [7]  {隐患单位=综掘三队}                   => {隐患地点.1=猴车巷}
 [8]  {隐患时间=第二季度,隐患地点.1=工作面} => {隐患单位=综安队}  
 [9]  {隐患地点.1=风巷}                     => {隐患单位=综掘一队}
 [10] {隐患地点.1=工作面}                   => {隐患单位=综安队}  
 [11] {隐患地点.1=工作面}                   => {隐患单位=综采队}  
 [12] {隐患地点.1=风巷}                     => {隐患时间=第二季度}
 [13] {隐患地点.1=工作面,隐患单位=综安队}   => {隐患时间=第二季度}
 [14] {隐患单位=综安队}                     => {隐患时间=第二季度}
 [15] {隐患地点.1=工作面}                   => {隐患时间=第二季度}
 [16] {隐患单位=综安队}                     => {隐患时间=第一季度}
 [17] {隐患时间=第一季度}                   => {隐患地点.1=工作面}
 [18] {隐患时间=第三季度}                   => {隐患地点.1=工作面}
 [19] {隐患时间=第二季度}                   => {隐患地点.1=工作面}
 [20] {隐患地点.1=工作面}                   => {隐患时间=第一季度}
 [21] {隐患时间=第一季度}                   => {隐患单位=综安队}  
 [22] {隐患地点.1=工作面}                   => {隐患时间=第三季度}
 [23] {隐患地点.1=工作面}                   => {隐患主题=支架问题}
 [24] {隐患时间=第二季度}                   => {隐患单位=综安队}  
 [25] {隐患时间=第二季度}                   => {隐患地点.1=风巷}  
      support    confidence lift     
 [1]  0.08829114 0.9676301  7.2802642
 [2]  0.13491561 0.9616541  3.2100286
 [3]  0.06329114 0.9600000  3.2045070
 [4]  0.06455696 0.9120715  3.0445205
 [5]  0.15210970 0.8568033  2.8600336
 [6]  0.08164557 0.7267606  4.5839588
 [7]  0.08829114 0.6642857  7.2802642
 [8]  0.06455696 0.5878963  3.3115012
 [9]  0.08164557 0.5149701  4.5839588
 [10] 0.15210970 0.5077465  2.8600336
 [11] 0.13491561 0.4503521  3.2100286
 [12] 0.07004219 0.4417831  1.1780883
 [13] 0.06455696 0.4244105  1.1317614
 [14] 0.07078059 0.3986928  1.0631808
 [15] 0.10981013 0.3665493  0.9774648
 [16] 0.06276371 0.3535354  1.3247095
 [17] 0.08639241 0.3237154  1.0805712
 [18] 0.06339662 0.3173178  1.0592159
 [19] 0.10981013 0.2928270  0.9774648
 [20] 0.08639241 0.2883803  1.0805712
 [21] 0.06276371 0.2351779  1.3247095
 [22] 0.06339662 0.2116197  1.0592159
 [23] 0.06329114 0.2112676  3.2045070
 [24] 0.07078059 0.1887482  1.0631808
 [25] 0.07004219 0.1867792  1.1780883

  Look at rules with highest lift

      lhs                                      rhs                
 [1]  {隐患地点.1=猴车巷}                   => {隐患单位=综掘三队}
 [2]  {隐患单位=综掘三队}                   => {隐患地点.1=猴车巷}
 [3]  {隐患单位=综掘一队}                   => {隐患地点.1=风巷}  
 [4]  {隐患地点.1=风巷}                     => {隐患单位=综掘一队}
 [5]  {隐患时间=第二季度,隐患地点.1=工作面} => {隐患单位=综安队}  
 [6]  {隐患单位=综采队}                     => {隐患地点.1=工作面}
 [7]  {隐患地点.1=工作面}                   => {隐患单位=综采队}  
 [8]  {隐患地点.1=工作面}                   => {隐患主题=支架问题}
 [9]  {隐患主题=支架问题}                   => {隐患地点.1=工作面}
 [10] {隐患时间=第二季度,隐患单位=综安队}   => {隐患地点.1=工作面}
 [11] {隐患单位=综安队}                     => {隐患地点.1=工作面}
 [12] {隐患地点.1=工作面}                   => {隐患单位=综安队}  
 [13] {隐患单位=综安队}                     => {隐患时间=第一季度}
 [14] {隐患时间=第一季度}                   => {隐患单位=综安队}  
 [15] {隐患地点.1=风巷}                     => {隐患时间=第二季度}
 [16] {隐患时间=第二季度}                   => {隐患地点.1=风巷}  
 [17] {隐患地点.1=工作面,隐患单位=综安队}   => {隐患时间=第二季度}
 [18] {隐患时间=第一季度}                   => {隐患地点.1=工作面}
 [19] {隐患地点.1=工作面}                   => {隐患时间=第一季度}
 [20] {隐患单位=综安队}                     => {隐患时间=第二季度}
 [21] {隐患时间=第二季度}                   => {隐患单位=综安队}  
 [22] {隐患时间=第三季度}                   => {隐患地点.1=工作面}
 [23] {隐患地点.1=工作面}                   => {隐患时间=第三季度}
 [24] {隐患地点.1=工作面}                   => {隐患时间=第二季度}
 [25] {隐患时间=第二季度}                   => {隐患地点.1=工作面}
      support    confidence lift     
 [1]  0.08829114 0.9676301  7.2802642
 [2]  0.08829114 0.6642857  7.2802642
 [3]  0.08164557 0.7267606  4.5839588
 [4]  0.08164557 0.5149701  4.5839588
 [5]  0.06455696 0.5878963  3.3115012
 [6]  0.13491561 0.9616541  3.2100286
 [7]  0.13491561 0.4503521  3.2100286
 [8]  0.06329114 0.2112676  3.2045070
 [9]  0.06329114 0.9600000  3.2045070
 [10] 0.06455696 0.9120715  3.0445205
 [11] 0.15210970 0.8568033  2.8600336
 [12] 0.15210970 0.5077465  2.8600336
 [13] 0.06276371 0.3535354  1.3247095
 [14] 0.06276371 0.2351779  1.3247095
 [15] 0.07004219 0.4417831  1.1780883
 [16] 0.07004219 0.1867792  1.1780883
 [17] 0.06455696 0.4244105  1.1317614
 [18] 0.08639241 0.3237154  1.0805712
 [19] 0.08639241 0.2883803  1.0805712
 [20] 0.07078059 0.3986928  1.0631808
 [21] 0.07078059 0.1887482  1.0631808
 [22] 0.06339662 0.3173178  1.0592159
 [23] 0.06339662 0.2116197  1.0592159
 [24] 0.10981013 0.3665493  0.9774648
 [25] 0.10981013 0.2928270  0.9774648