名詞：
挖掘數(shù)據(jù)集：購物籃數(shù)據(jù)
挖掘目標：關聯(lián)規(guī)則
關聯(lián)規(guī)則：啤酒=>尿布（支持度0.02，置信度0.6）
支持度：所有數(shù)據(jù)中有2%的購物記錄包含了啤酒和尿布
置信度：所有包含啤酒的購物記錄里有60%包含尿布
最小支持度閾值和最小置信度閾值味榛。
項集：項（商品）組成的集合
K-項集：k個項組成的集合
頻繁項集：滿足最小支持度的項集
強關聯(lián)規(guī)則：滿足最小支持閾值和最小置信度閾值的規(guī)則
步驟:
找出所有頻繁項集猛们；由頻繁項集產(chǎn)生強關聯(lián)規(guī)則炼彪。
案例：
TID為購物記錄，List of item_ID為商品ID晓锻，如第T100條購物記錄中，包含商品I1,I2,I5淮捆。
最后推出的關聯(lián)規(guī)則有：
（以上圖片來源薛毅老師的《r modeling》）
R語言操作：
包：arules
數(shù)據(jù)集：Groceries（內(nèi)置數(shù)據(jù)集）
函數(shù)：inspect：顯檢查，示一個的文集或一個術語文檔矩陣的詳細信息本股。查看數(shù)據(jù)攀痊。
? ? ? ? ?apriori：提取關聯(lián)規(guī)則
代碼：
