weka实战002：apriori关联规则算法

关联规则算法最出名的例子就是啤酒和尿布放一起卖。

假如我们去超市买东西，付款后，会拿到一张购物清单。这个清单就是一个Transaction。对关联规则算法来说，每个产品的购买数量是无意义的，不参与计算。

许许多多的人买东西，生成了N个购物清单，也就是N个Transaction。

那么，这些Transaction上的货物之间有什么有用的关系呢？这些关系可以用什么方式表达出来呢？这就是关联规则算法要解决的问题。

下面，我们用一个具体的例子解释这个问题：

1. 假设有三个Transaction分别是：

t1 = {'a', 'b', 'c', 'd'}

t2 = {'a', 'c', 'e'};

t3 = {'b', 'c', 'f'}

其中，abcdef都是货物的ID，简写是为了方便理解。

2. 我们看一下，就知道只要买了'a'，就可能会买'c'，或者说，只要买了'c'就很可能买了'a'，而且，在2个Transaction上都出现了。这个规律可以表达成：

  'c' ==> 'a'(66.67%)

后面的66.67%叫支持度，也就是'a'和'c'在一起出现的