基于apriori算法的商品关联分析，寻找类“啤酒-尿布”模式

沃尔玛在观察消费者购物行为时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒，于是尝试推出将啤酒和尿布摆在一起的促销手段，使得两种商品的销量都大幅增加，这就是啤酒与尿布的故事。

做着类似业务的医药电商受到启发，是否也可以从自己的历史订单中提取到类似于“啤酒-尿布”的频繁模式，进行联合销售，并找到对应的“奶爸群体”，实现个性化推荐呢？

今天来解决第一个问题，利用apriori算法对订单数据做关联分析，从中找到类似于“啤酒-尿布”的频繁模式。

依然沿用之前做用户分析的订单数据，仅保留订单号和商品名，25万+行，涉及16379条订单和9692个商品，仅凭观察是很难发现关联模式。

在R里进行关联分析。

• 简单描述
  如果我们想知道那些在订单中出现频率比较高的商品，比如每20人下单，至少1人会买的商品，就有这7种。 the most popular goods，往往也是我们在后面关联分析的重要关注对象。