关联规则的图形化

> plot(last.rules,control = list(jitter=2,col=rev(brewer.pal(9,"Greens")[4:9])),shading = "lift") #对上述关联规则绘制散点图

# 表示散点图上颜色深浅的度量是lift，jitter=2(增加抖动值)，col是调色板，默认是100个颜色的灰色调色板,brewer.pal(n, name): 创建调色板：n表示该调色板内总共有多少种颜色；name表示调色板的名字。这里使用Green这块调色板，引入9颜色。

# 结果显示为图3-7

                                        图3-7 特定条件的关联规则散点图

# 散点图显示了规则的分布，大部分规则的support在0.1以内，Confidence在0-0.8以内。

> last.rules <- apriori(Groceries,parameter = list(support=0.025,confidence=0.005)) # 按照支持度=0.025、置信度=0.005对Groceries数据库寻找关联规则

>vegie.rules <- subset(last.rules,subset=rhs %pin% "vegetables") # 按照上述关联规则，寻找后件（rhs）具有vegetables（蔬菜）的关联规则；

>plot(vegie.rules,method="graph") # 对上述关联规则进行绘图，结果为图3-8

       图3-8 特定关联规则且后件为vegetables(蔬菜）的关联规则图示

# 图3-8 中显示了特定关联规则中，后件包含蔬菜的关联规则；

# 由于选取vegetables（蔬菜）的条件是部分匹配，因此在图中列出了多种蔬菜，比如other vegetables（其他蔬菜）、root vegetables（根茎蔬菜）、frozen vegetables（冷冻蔬菜）等蔬菜品类。

# 图中的箭头代表了关联规则的方向性，箭头的出发点（品类名称、圆点）为关联规则的前件、箭头的指向为关联规则的后件，比如图中的rolls/buns（圆面包）是前件、other vegetables是后件。

# 图中other vegetables（其他蔬菜）呈现了某种向心性，说明“其他蔬菜”作为后件与很多品类形成了关联规则，是一种购物篮中非常重要的商品。