这里来挖掘超市购物车数据。
名词：
1、挖掘数据集：购物篮数据
2、挖掘目标：关联规则
3、关联规则：牛奶=>鸡蛋[支持度=2%，置信度=60%]
4、指出度：分析中的全部事务的2%同时购买了牛奶和鸡蛋
5、置信度：购买牛奶的篮子同时也购买了鸡蛋
6、最小支持阈值和最小置信阈值：由挖掘者或领域专家设定
7、项集：由商品组成的集合
8、k-项集：k个项组成的集合
9、频繁项集：满足最小支持度的项集，频繁k-项集一般记为Lk
10、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
在R里面有一个arules包用于分析购物篮问题
library(arules) #调用这个包
data("Groceries") #调用这个数据集
r<-apriori(Groceries,parameter = list(support=0.01,confidence=0.5)) #这是调用这个包的一个函数，及其参数
summary(r) #查看结果
inspect(r) #也是查看结果
然后就。。。。。。。结束啦！！！ 就这么，简单
其中这个结果中会有一个值：lift 这是一个类似相关系数的指标 当lift=1的时候表示L和R独立 但当这个lift值越大的时候，越表明L和R存在在一个购物篮不是一个偶然现象