R语言Apriori算法关联规则对中药用药复方配伍规律药方挖掘可视化（上）:https://developer.aliyun.com/article/1496501
查看最高的支持度样本规则
ules::inspect(head(rules
查看最高置信度样本规则
sort(rules, by="confidenc nspect(head(rules
sort(rules, by="lift
得到有价值规则子集
rules,subset=confidence>0.3 & support>0.2 & lift>=1 summary(x)
按照支持度排序
sort(x,by="support
按照置信度排序
inspect(sort(x,by="confide
对有价值的x集合进行数据可视化。
method="grouped")
组合挖掘
at(dat1,parameter=list(support=0.22,minlen=3,maxle
得到频繁规则挖掘
nspect(frequents
查看求得的频繁项集
nspect(sort(frequentsets,by="sup
根据支持度对求得的频繁项集排序并查看（等价于inspect(sort(frequentsets)[1:10]）
建立模型
apriori(dat1,parameter=list(support=0.24
设置支持度为0.01，置信度为0.3。
summary(rules)#查看规则
查看部分规则
查看置信度、支持度和提升度
可视化
从该图可以看到支持度和置信度的关系，提升度越高置信度也越高。
查看最高的支持度样本规则
查看最高置信度样本规则
查看最高提升度样本规则
confidence>0.3 & support>0.3 & lift>=1) #得到有价值规则子集 summary(x)
aspect(sort(x,by="support")) #按照支持度排序 ## lhs rhs support confidence lift ## 45 {川芎,黄芪} => {地龙} 0.3189655 0.7872340 1.602090 ## 43 {地龙,黄芪} => {川芎} 0.3189655 0.9024390 1.586105 ## 44 {川芎,地龙} => {黄芪} 0.3189655 0.8043478 1.481021 ## 42 {川芎,黄芪} => {当归} 0.3103448 0.7659574 1.615474 ## 41 {川芎,当归} => {黄芪} 0.3103448 0.8181818 1.506494 ## 40 {当归,黄芪} => {川芎} 0.3103448 0.8571429 1.506494 ## 37 {当归,地龙} => {川芎} 0.3017241 0.9210526 1.618820 ## 38 {川芎,当归} => {地龙} 0.3017241 0.7954545 1.618820 ## 39 {川芎,地龙} => {当归} 0.3017241 0.7608696 1.604743 pect(sort(x,by="confidence")) #按照置信度排序 ## lhs rhs support confidence lift ## 37 {当归,地龙} => {川芎} 0.3017241 0.9210526 1.618820 ## 43 {地龙,黄芪} => {川芎} 0.3189655 0.9024390 1.586105 ## 40 {当归,黄芪} => {川芎} 0.3103448 0.8571429 1.506494 ## 41 {川芎,当归} => {黄芪} 0.3103448 0.8181818 1.506494 ## 44 {川芎,地龙} => {黄芪} 0.3189655 0.8043478 1.481021 ## 38 {川芎,当归} => {地龙} 0.3017241 0.7954545 1.618820 ## 45 {川芎,黄芪} => {地龙} 0.3189655 0.7872340 1.602090 ## 42 {川芎,黄芪} => {当归} 0.3103448 0.7659574 1.615474 ## 39 {川芎,地龙} => {当归} 0.3017241 0.7608696 1.604743
对有价值的x集合进行数据可视化
