原文链接：http://tecdat.cn/?p=22732 

关联规定开掘是一种无监督的学习办法，从交易数据中开掘规定。它有助于找出数据集中的关系和一起呈现的我的项目。在这篇文章中，我将解释如何在R中提取关联规定。
关联规定模型实用于交易数据。交易数据的一个例子能够是客户的购物历史。

数据分析的第一件事是理解指标数据结构和内容。出于学习的目标，我认为应用一个简略的数据集更好。一旦咱们晓得了这个模型，就能够很容易地把它利用于更简单的数据集。

在这里，咱们应用杂货店的交易数据。首先，咱们创立一个数据框并将其转换为交易类型。

读取数据

n=500 # 交易数量trans <- data.frame() # 收集数据的数据框架

创立数据并将其收集到交易数据框中。

for(i in 1:n){  count <- sample(1:3, 1) # 从1到3的物品计数  如果(i %% 2 == 1)  {    if(!add_product %in% selected)    {      tran <- data.frame(items = add_product, tid = i)

查看交易数据框中的数据。

接下来，咱们须要将生成的数据框转换为交易数据类型。 

 as(split(\[, "items"\], \[, "tid"\]), "transa")

为了查看交易数据的内容，咱们应用 inspect() 命令。 

开掘规定

sort(rules_1, dby = "confidence")

.......

咱们从下面的列表中获取第一个rhs项（规定后项）来查看该项的规定。但如果你晓得指标我的项目，能够在参数中只写rhs="melon"。 

 inspect(rules_1@rhs\[1\])

> rhs_item <- gsub("\\\}","", rhs)

咱们为咱们的rhs_item建设规定

按 "置信度 "排序并查看规定

sort(rules_2, "confidence")

后果可视化

最初，咱们从规定集_2中绘制出前5条规定。

> plot(rules_2\[1:5\])

绘制全副规定

交互可视化

绘制出前5条规定

precision     =  3igraphLayout     =  layout_nicelylist(nodes = nodes, edges = edges, nodesToDataframe = nodesToDataframe,             edgesToDataframe = edgesToDataframe,x$legend <- legend    htmlwidgets::createWidget( x, width = width,         height = height)

绘制全副规定

最受欢迎的见解

1.采纳spss-modeler的web简单网络对所有腧穴进行剖析

2.用R语言和python进行社交网络中的社区检测

3.R语言文本开掘NASA数据网络剖析，tf-idf和主题建模

4.在R语言中应用航空公司简单网络对疫情进行建模

5.python附属关系图模型 基于模型的网络中密集重叠社区检测

6.应用Python和SAS Viya剖析社交网络

7.关联网络分析：已迁离北京外来人口的数据画像

8.情感语义网络：游记数据感知游览目的地形象

9.用关联规定数据挖掘摸索药物配伍中的法则