# Apriori算法实现关联规则挖掘
#======================= MODEL1. 输入数据集为transaction类型 ======================
#install.packages("arules") #Apriori算法程序包
library(arules)
data(Groceries) #调用R自带关联规则数据集Groceries(transaction类型的格式)
#-----------------------查看数据的详细信息
# Groceries数据集为杂货店一个月的交易记录集,包括169中商品项目,9835个记录
head(Groceries) #查看前6条记录
str(Groceries) #查看数据的内部结构
summary(Groceries) #查看数据的基本统计量
class(Groceries) #查看数据类型,关联规则处理的数据类型为“transactions”
dim(Groceries) #查看数据的维数 行数和列数
colnames(Groceries[,1:5]) #查看第1-5列的列名
#inspect(Groceries) #查看transactions数据集中的全部记录
#--------------------- Apriori实现关联规则
# apriori的参数设置为支持度0.01,置信度0.1,关联前项和后项包含的最小项目数为2,最大项数
#======================= MODEL1. 输入数据集为transaction类型 ======================
#install.packages("arules") #Apriori算法程序包
library(arules)
data(Groceries) #调用R自带关联规则数据集Groceries(transaction类型的格式)
#-----------------------查看数据的详细信息
# Groceries数据集为杂货店一个月的交易记录集,包括169中商品项目,9835个记录
head(Groceries) #查看前6条记录
str(Groceries) #查看数据的内部结构
summary(Groceries) #查看数据的基本统计量
class(Groceries) #查看数据类型,关联规则处理的数据类型为“transactions”
dim(Groceries) #查看数据的维数 行数和列数
colnames(Groceries[,1:5]) #查看第1-5列的列名
#inspect(Groceries) #查看transactions数据集中的全部记录
#--------------------- Apriori实现关联规则
# apriori的参数设置为支持度0.01,置信度0.1,关联前项和后项包含的最小项目数为2,最大项数