一、前言
提到数据挖掘，我们第一反应就是之前听到的啤酒和尿不湿的故事，该故事就是典型的数据挖掘中的关联规则。购物篮分析区别于传统的线性回归的主要区别为，关联分析针对离散数据；下面我们利用R语言的arules包及Apriori算法对商品交易数据进行关联规则挖掘,

二、常见关联规则：

1. 关联规则：牛奶=>鸡蛋【支持度=2%，置信度=60%】
2. 支持度：分析中的全部事务的2%同时购买了牛奶和鸡蛋，需设定域值，来限定规则的产生；
3. 置信度：购买了牛奶的筒子有60%也购买了鸡蛋，需设定域值，来限定规则的产生；
4. 最小支持度阈值和最小置信度阈值：由挖掘者或领域专家设定。

三、与关联分析相关的专业术语包括：

1. 项集：项（商品）的集合
2. k-项集：k个项组成的项集
3. 频繁项集：满足最小支持度的项集，频繁k-项集一般记为Lk
4. 强关联规则：满足最小支持度阈值和最小置信度阈值的规则

四、算法步骤（两步法）

1. 第一步先找出所有的频繁项集；
2. 第二步再由频繁项集产生强关联规则

五、R语言实现过程

######以arules包中的数据集Groceries为例。

#####1、加载arules包，获取数据集。

library(arules)

data(Groceries)

#####2、eclat算法求频繁项集。

freq_sets <- eclat(Groceries,parameter=list(support=0.05,maxlen=5))#求频集

inspect(freq_sets[1:10])#查看频繁项集的前十项

inspect(sort(freq_sets,by="support")[1:10]) #根据支持度对求得的频繁项集排序并查看，结果如图。

结果解读：第一个项集表示，如果有100个人去买东西，那么可能有25个人会买“whole milk”，可能有19个人会买“other vegetables”，等等。

#####3、apriori算法求关联规则。

rules=apriori(Groceries,parameter=list(support=0.01,confidence=0.3))

inspect(sort(rules,by="support")[1:10])#查看前十条关联规则

结果解读：第一条规则，support=0.0748表示“other vegetables”与“whole milk”同时购买的概率为0.0748；confidence=0.3868表示购买了“other vegetables”的同时，还购买“whole milk”的概率为0.3868，lift=1.51>1.00表明购买“other vegetables”对于提升购买“whole milk”的作用度为1.51.

注：lift是判断关联规则是否可靠的一个指标，lift=1说明两个条件没有任何关联；lift<1说明两个条件是相斥的；一般在数据挖掘中选择当提升度大于3时，才承认挖掘出的关联规则是有价值的。

#####4、根据需求条件求关联规则子集。

x=subset(rules,subset=rhs%in%"whole milk"&lift>=1.2)#求rhs为“whole milk”且作用度大于1.2的规则。

inspect(sort(x,by="support")[1:8])

 #####5、关联规则可视化

Library(arulesViz,quietly=TRUE)

plot(rules,method="Graph")