观察显示，购买啤酒的人同时也会购买尿布。也就是说，在同时购买啤酒和尿布中存在关联。尽管这似乎不太令人信服，但这条关联规则是从超市的庞大数据库中挖掘出来的。类似地，可以在花生酱和面包之间找到关联。
找到此类关联对于超市变得至关重要，因为超市会将尿布与啤酒放在一起，以便顾客可以轻松找到这两件商品，从而增加超市的销售额。
Apriori 算法就是机器学习中可以找出可能关联并创建关联规则的算法之一。WEKA 提供了 Apriori 算法的实现。您可以在计算这些规则时定义最低支持度和可接受的置信度。您将把 Apriori 算法应用于 WEKA 安装中提供的 supermarket 数据。
Loading Data
在 WEKA 浏览器中，打开 Preprocess 标签，单击 Open file … 按钮，然后从安装文件夹中选择 supermarket.arff 数据库。加载数据后，您将看到以下屏幕 −
该数据库包含 4627 个实例和 217 个属性。您可以轻松了解检测如此多的属性之间的关联有多困难。幸运的是，此任务在 Apriori 算法的帮助下已自动化。
Associator
单击 Associate 标签，然后单击 Choose 按钮。选择 Apriori 关联，如屏幕快照所示 −
若要为 Apriori 算法设置参数，请单击其名称，将弹出一个窗口，如下所示，允许您设置参数 −
设置参数后，单击 Start 按钮。过一会儿，您将看到屏幕快照中显示的结果 −
在底部，您将找到已检测到的最佳关联规则。这将帮助超市将产品存放在合适的货架上。
