檢視資料menu_orders.txt檔案存在多少條關聯規則，並按支援度降序排序輸出

#匯入arules包
install.packages("arules")
library ( arules )

setwd('D:\\data') 
Gary<- read.transactions("menu_orders.txt", format = "basket", sep=",")                              
summary(Gary)  

#檢視部分規則
 

inspect(Gary)  

#支援度0.2,置信度0.5
rules0=apriori(Gary,parameter=list(support=0.2,confidence=0.5))

#按支援度降序排序輸出
rules0.sorted_sup = sort(rules0, by="support")

#讀取rules0中存在多少條資料
rules0
inspect(rules0)

apriori函式

　　apriori(data, parameter = NULL, appearance = NULL, control = NULL)

　　data:資料
　　parameter　　設定引數，預設情況下parameter=list(supp=0.1,conf=0.8,maxlen=10,minlen=1,target=”rules”)
　　supp:　　支援度（support）
　　conf:　　置信度（confidence）
　　maxlen,minlen:　　每個項集所含項數的最大最小值（lhs+rhs的長度)
　　target:　　“rules”或“frequent itemsets”（輸出關聯規則/頻繁項集）
　　apperence:　　對先決條件X（lhs），關聯結果Y（rhs）中具體包含哪些項進行限制，如：設定lhs=beer，將僅輸出lhs含有beer這一項的關聯規則。預設情況下，所有項都將無限制出現。
　　control:　　控制函式效能，如可以設定對項集進行升序sort=1或降序sort=-1排序，是否向使用者報告程序（verbose=F/T）

排序：

　　通過支援度控制：rules.sorted_sup = sort(rules, by=”support”)
　　通過置信度控制：rules.sorted_con = sort(rules, by=”confidence”)
　　通過提升度控制：rules.sorted_lift = sort(rules, by=”lift”)

read.transactions(file, format =c("basket", "single"), sep = NULL,

           cols = NULL, rm.duplicates =FALSE, encoding = "unknown")

file:檔名，對應click_detail中的“click_detail.txt”

format:檔案格式，可以有兩種，分別為“basket”,“single”，click_detail.txt中用的是basket。basket: basket就是籃子，一個顧客買的東西都放到同一個籃子，所有顧客的transactions就是一個個籃子的組合        結果。如下形式，每條交易都是獨立的。single: single的意思，顧名思義，就是單獨的交易，簡單說，交易記錄為：顧客1買了產品1， 顧客1買了產品2，顧客2買了產品3……(產品1，產品2，產品3中可以是單個產品，也可以是多個產品)


sep:檔案中資料是怎麼被分隔的，預設為空格，click_detail裡面用逗號分隔

cols:對basket, col=1,表示第一列是資料的transaction ids(交易號)，如果col=NULL，則表示資料裡面沒有交易號這一列；對single，col=c(1,2)表示第一列是transaction ids，第二列是item ids

rm.duplicates:是否移除重複項，預設為FALSE

encoding:寫到這裡研究了encoding是什麼意思，發現前面txt可以不是”ANSI”型別，如果TXT是“UTF-8”，寫encoding=”UTF-8”。
 

實現過程

　　讀取資料並展示

> setwd('D:\\data')
> Gary<- read.transactions("menu_orders.txt", format = "basket", sep=",")
> summary(Gary)

transactions as itemMatrix in sparse format with　　　　　　　　
 10 rows (elements/itemsets/transactions)                  #10行（元素/項集/事務）
 5 columns (items) and a density of 0.54 　　　　　　　　　　　#5列（項）和0.54的密度

most frequent items:
      b       a       c       e       d (Other) 
      8       7       7       3       2       0 

element (itemset/transaction) length distribution:　　　　　　#元素（項集/事務）長度分佈
sizes
2 3 4 
5 3 2 

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    2.0     2.0     2.5     2.7     3.0     4.0 

includes extended item information - examples:
  labels
1      a
2      b
3      c

　　檢視部分規則

> inspect(Gary)
     items    
[1]  {a,c,e}  
[2]  {b,d}    
[3]  {b,c}    
[4]  {a,b,c,d}
[5]  {a,b}    
[6]  {b,c}    
[7]  {a,b}    
[8]  {a,b,c,e}
[9]  {a,b,c}  
[10] {a,c,e} 

　　支援度0.2,置信度0.5

> rules0=apriori(Gary,parameter=list(support=0.2,confidence=0.5))
Apriori

Parameter specification:
 confidence minval smax arem  aval originalSupport maxtime support minlen maxlen target   ext
        0.5    0.1    1 none FALSE            TRUE       5     0.2      1     10  rules FALSE

Algorithmic control:　　　　　　　　　　　　　　　　　　　　#演算法控制：
 filter tree heap memopt load sort verbose　　　　　　　#過濾樹堆
    0.1 TRUE TRUE  FALSE TRUE    2    TRUE

Absolute minimum support count: 2 　　　　　　　　　　　　#絕對最小支援計數：2

set item appearances ...[0 item(s)] done [0.00s].
set transactions ...[5 item(s), 10 transaction(s)] done [0.00s].
sorting and recoding items ... [5 item(s)] done [0.00s].
creating transaction tree ... done [0.00s].
checking subsets of size 1 2 3 done [0.00s].
writing ... [18 rule(s)] done [0.00s].
creating S4 object  ... done [0.00s].

　　按支援度降序排序輸出

> rules0.sorted_sup = sort(rules0, by="support")
> rules0
set of 18 rules 
#根據支援度對求得的關聯規則子集進行檢視
> inspect(rules0)
     lhs      rhs support confidence lift      count
[1]  {}    => {c} 0.7     0.7000000  1.0000000 7    
[2]  {}    => {b} 0.8     0.8000000  1.0000000 8    
[3]  {}    => {a} 0.7     0.7000000  1.0000000 7    
[4]  {d}   => {b} 0.2     1.0000000  1.2500000 2    
[5]  {e}   => {c} 0.3     1.0000000  1.4285714 3    
[6]  {e}   => {a} 0.3     1.0000000  1.4285714 3    
[7]  {c}   => {b} 0.5     0.7142857  0.8928571 5    
[8]  {b}   => {c} 0.5     0.6250000  0.8928571 5    
[9]  {c}   => {a} 0.5     0.7142857  1.0204082 5    
[10] {a}   => {c} 0.5     0.7142857  1.0204082 5    
[11] {b}   => {a} 0.5     0.6250000  0.8928571 5    
[12] {a}   => {b} 0.5     0.7142857  0.8928571 5    
[13] {c,e} => {a} 0.3     1.0000000  1.4285714 3    
[14] {a,e} => {c} 0.3     1.0000000  1.4285714 3    
[15] {a,c} => {e} 0.3     0.6000000  2.0000000 3    
[16] {b,c} => {a} 0.3     0.6000000  0.8571429 3    
[17] {a,c} => {b} 0.3     0.6000000  0.7500000 3    
[18] {a,b} => {c} 0.3     0.6000000  0.8571429 3