据观察，购买啤酒的人也同时购买尿布。那是一起购买啤酒和尿布的协会。尽管这似乎不太令人信服，但该关联规则是从大型超市数据库中提取的。同样，花生酱和面包之间可能存在关联。

找到这样的关联对超市来说至关重要，因为它们会在啤酒旁边存放尿布，以便客户可以轻松找到这两种商品，从而增加了超市的销售量。

Apriori算法就是ML中的一种这样的算法，它找出可能的关联并创建关联规则。 WEKA提供了Apriori算法的实现。您可以在计算这些规则时定义最小支持和可接受的置信度。您将把Apriori算法应用于WEKA安装中提供的超级市场数据。

加载数据中

在WEKA资源管理器中，打开“预处理”选项卡，单击“打开文件…”按钮，然后从安装文件夹中选择超级市场.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。您可以轻松地理解检测到如此众多的属性之间的关联将是多么困难。幸运的是，借助Apriori算法可以自动完成此任务。

协理者

单击关联TAB，然后单击选择按钮。选择Apriori关联，如屏幕截图所示-

要设置Apriori算法的参数，请单击其名称，将弹出如下所示的窗口，允许您设置参数-

设置参数后，单击“开始”按钮。一段时间后，您将看到下面的屏幕快照中所示的结果-

在底部，您将找到检测到的最佳关联规则。这将有助于超市在适当的货架上存放产品。