r语言实现Apriori案例

以下是一个简单的 R 语言实现 Apriori 算法的案例：

假设我们有一组交易数据集，其中每个交易都包含多个商品，我们想要找出频繁项集和关联规则。我们首先加载所需的库和数据集：

# 加载所需的库
library(arules)

# 设置交易数据集
transactions <- list(
  c("bread", "milk", "eggs"),
  c("bread", "milk", "eggs", "cheese"),
  c("milk", "eggs", "cheese"),
  c("bread", "milk", "cheese"),
  c("bread", "milk", "eggs", "cheese")
)

接下来，我们使用 `apriori()` 函数来执行 Apriori 算法，该函数需要指定数据集和一些参数，例如最小支持度和最小置信度。在这个例子中，我们将最小支持度设置为 0.4，最小置信度设置为 0.8。

# 使用 apriori() 函数执行 Apriori 算法
rules <- apriori(
  transactions, 
  parameter = list(support = 0.4, confidence = 0.8)
)

执行成功后，我们可以打印出找到的频繁项集和关联规则：

# 打印找到的频繁项集
inspect(head(sort(rules, by = "support"), 5))

# 打印找到的关联规则
inspect(head(sort(rules, by = "confidence"), 5)))

这将输出前五个频繁项集和前五个关联规则。

注意：在使用 `arules` 库之前，需要先安装它。可以使用以下命令进行安装：

install.packages("arules")