關聯關則是資料探勘中很有名的買尿布有一定的機率會買啤酒，所以尿布和啤酒有一定的關聯度，所以在消費行為分析上是很有用，而分析的結果店家可以進行商品組合促銷，增加商品銷售率，關聯規則本來是要在店商分析中說明，不過沒關係配合Shiny網頁讓行銷人員透過Web進行分析，不過這些預測性的東西都須要對一些名詞的理解才能解釋，所以在這邊以尿布和啤酒，言簡意賅做解釋。

Support (支持度) : 意思是某特定種類在所有種類的比重，例如我有100名會員，其中有20名購買過尿布，則support(尿布) = 20% 。

Confidence (信賴度) : 意思是某A種類中，含有某B種類的比重，例如我有100名會員，其中40人買過啤酒，而這40買過啤酒者當中，又另有10人買過尿布，則confidence(啤酒->尿布) = 10/40 = 25% 。

Lift (提升度) : 意思為某兩者關係的比值，如果小於1 代表兩者是負相關，等於1 表示兩者獨立，大於1 表示兩者正相關，公式為confidence(A->B) / support(B) ，帶入上述例子可表示成 lift(尿布->啤酒) = 25/20 = 1.25 。

在R執行關聯規則須將原本資料結構dataframe轉換成transactions類別，也就是二元關聯矩陣，聽起來很像很偉大，其實就一個指令而已，而本次資料集採用套件arules中的Groceries內建資料集，該資料集為便利商店30天內的交易共計9835 筆，169各類別商品，該資料集已經為transactions資料類別，程式如下：

server.R程式

library(shiny)
library(arules)
shinyServer(function(input,output){
  
  output$mba <- renderPrint({
    rules <- apriori(Groceries,parameter = list(support=.001,
                                                confidence=.8))
    inspect(rules)
  })
  
})

ui.R程式

library(shiny)
shinyUI(fluidPage(
  sidebarLayout(
    sidebarPanel(
    
    ),
    mainPanel(
      verbatimTextOutput("mba")
    )
  )
))

在server程式中將商品的關聯結果採用renderPrint()，而不採用renderTable因為試過所呈現的效果不好，而在ui.R使用verbatimTextOutput()，該函式是建立文字元素通常是跟renderPrint()配合使用，因此成果如下圖

上圖我們可以看到關聯規則將所有的結果呈現，若使用者要調整不同的支持度和信賴度是無法調整，因為我們在server.R將兩個值給了固定值，所以我們將調整可以讓使用者調整兩個值，程式如下
ui.R程式調整如下

library(shiny)
shinyUI(fluidPage(
  sidebarLayout(
    sidebarPanel(
      selectInput("sup","請選擇支持度",choices = c(.1,.01,.05,.001,.005)),
      selectInput("conf","請選擇信賴度",choices = c(.5,.6,.7,.8,.9))
    ),
    mainPanel(
      verbatimTextOutput("mba")
    )
  )
))

server.R程式調整如下

library(shiny)
library(arules)
shinyServer(function(input,output){
  
  output$mba <- renderPrint({
    rules <- apriori(Groceries,parameter = list(support=as.numeric(input$sup),
                                                confidence=as.numeric(input$conf)))
    inspect(rules)
  })
})

在上述程式在ui.R中設定兩個變數分別為sup及conf`，存放支持度和信賴度的值，因此在server.R將值帶入，成果如下圖

以第一筆紅框來講，買{酸奶,優格}=>{全指牛奶}來看，兩者商品同時出現占所有商品的1%，而買了{酸奶,優格}會買{全指牛奶}佔全部數據58%，兩者商品的提升2.2為正相關。