arules是进行频繁项集挖掘（frequent itemset mining）的有效工具，不过我在使用的时候发现网上很多例子都比较繁琐，这里总结一下其中apriori方法的最简单使用方法，这里首先给出代码：

files_change<-read.transactions(input_file, format="basket", sep=",")
summary(files_change)
rules<-apriori(files_change,parameter=list(support=0.015,confidence=0.15,minlen=2,maxlen=2))
write(rules, file=output_file, sep=",", quote=TRUE, row.names=FALSE)

进行一些最简单解释，第一行代码读入文件，这里唯一需要注意的就是我们选择的数据文件的format是basket，例如这里的数据文件格式： https://github.com/TigerInnovate/PredictiveModeling/blob/master/groceries.csv

第三行需要注意的就是support、confidence这些值的设定。最后一行是直接将mining出来的rule进行输出。

提供一些有用的链接：

arules的官方文档： https://cran.r-project.org/web/packages/arules/arules.pdf

介绍得比较详细的博客文章： https://blog.csdn.net/gjwang1983/article/details/45015203

arules是进行频繁项集挖掘（frequent itemset mining）的有效工具，不过我在使用的时候发现网上很多例子都比较繁琐，这里总结一下其中apriori方法的最简单使用方法，这里首先给出代码：files_change<-read.transactions(input_file, format="basket", sep=",")summary(files_change)r... 1.Eclat算法 Eclat算法用于执行 项集 挖掘 。 项集 挖掘 让我们在数据中找到 频繁 的模式，就像消费者购买牛奶一样，他也会购买面 包 。这种类型的模式称为关联规则，用于许多应用领域。 Eclat算法的基本思想是使用tidset交集来计算候选 项集 的支持，从而避免生成前缀树中不存在的子集。它最初是由Zaki，Parthasarathy等人提出的。 Eclat算法... 安装 arules 包 并加载 内置Groceries数据集 library( arules ) #加载 arules 程序 包 ，如果没有install.packages(" arules ") data(Groceries) #调用数据文件 inspect(Groceries) #观看数据集里的数据 求 频繁 项集 Eclat算法 frequentsets=eclat(G 频繁 模式、关联规则和相关规则 挖掘 本章中，我们将首先学习如何用R 语言 挖掘 频繁 模式、关联规则及相关规则。然后，我们将使用基准数据评估所有这些方法以便确定 频繁 模式和规则的兴趣度。本章内容主要涵盖以下几个主题： 关联规则和关联模式概述 购物篮分析 混合关联规则 挖掘 序列数据 挖掘 高性能算法 关联规则 挖掘 算法可以从多种数据类型中发现 频繁 项集 ， 包 括数值...