操作apriori算法举办关联阐明

关联阐明（association analysis）又常称为购物篮阐明，是指假如两个或多个事物之间存在必然的关联,那么个中一个事物就能通过其他事物举办预测.它的目标是为了挖掘埋没在数据间的彼此干系。

关联阐明最常用在市场销售数据中，顾主的购物篮中假如包括啤酒的同时，还包括了尿布，这就展现了这两种物品之间的关联。关联阐明的挖掘任务可解析为两个步调：一是发明频繁项集，二是从频繁项会合发生法则。

下面用R语言中的arules扩展包来实现apriori算法，来举办关联阐明


library(arules)
#从rattle包中读入数据
dvdtrans <- read.csv(system.file(“csv”, “dvdtrans.csv”,package=”rattle”))

数据布局如下，ID暗示购物篮编号，Item暗示物品。
ID Item
1 1 Sixth Sense
2 1 LOTR1
3 1 Harry Potter1
4 1 Green Mile
5 1 LOTR2
6 2 Gladiator

#将数据转化为符合的名目
data <- as(split(dvdtrans$Item, dvdtrans$ID),”transactions”)

#用 apriori呼吁生成频繁项集，设其支持度为0.5，置信度为0.8
rules <- apriori(data, parameter=list(support=0.5,confidence=0.8))

#用inspect呼吁提取法则
inspect(rules)

lhs rhs support confidence lift
1 {Patriot} => {Gladiator} 0.6 1.0000000 1.428571
2 {Gladiator} => {Patriot} 0.6 0.8571429 1.428571
3 {Sixth Sense} => {Gladiator} 0.5 0.8333333 1.190476

这说明购置爱国者影戏的顾主同时也会购置角斗士 🙂