据我了解，Apriori 算法的工作原理是首先找到满足支持阈值的所有频繁项集，然后从也满足最小置信度的频繁项集中生成强关联规则。
因此，我希望在 R 包规则中：
txs <- as(inputDataTable,"transactions")
itemsets <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="frequent itemsets"))
rules <- ruleInduction(itemsets)
和
txs <- as(inputDataTable,"transactions")
rules <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="rules"))
会导致相同的规则，但是在第二个示例中找到了更多规则，我不明白为什么。
谁能解释这是为什么？我现在正在努力解决它一段时间..
好的..现在很简单，我知道问题出在哪里。
对于遇到类似问题的任何人。问题是（当然）应该在 ruleInduction() 步骤而不是在查找所有项集时设置置信度。只有支持才是相关的。因为我没有在 ruleInduction() 步骤中给出置信度值，所以使用了置信度的默认值 0.8，因此找到的规则更少。
这样做：
txs <- as(inputDataTable,"transactions")
itemsets <- apriori(txs, parameter = list(support = 0.05, target="frequent itemsets"))
rules <- ruleInduction(itemsets, confidence = 0.7)
和
txs <- as(inputDataTable,"transactions")
rules <- apriori(txs, parameter = list(support = 0.05, confidence = 0.7, target="rules"))
会导致相同的结果。:)