...
关于频繁项集、支持度、置信度的说明，点击此处可查阅。
应用示例
场景说明
通过发现在交易数据库中不同商品之间的关联规则，找出顾客购买行为，指导企业进行科学的商业活动，例如采取特殊的市场推广活动或手段（给买了啤酒和尿布的客户打折）、货架设计（啤酒和尿布放在相邻位置）等，从而增加两种关联商品的销售量。通过发现在交易数据库中不同商品之间的关联规则，有助发现顾客购买行为，指导企业进行科学的商业活动。
- 如下数据中，{冻肉，啤酒}→{蔬菜罐头}这组关联商品的支持度、置信度、提升度最高，说明冻肉、啤酒和蔬菜罐头出现在同一购物篮的概率非常高（可信度达到89%），说明买了冻肉和啤酒的用户，很有可能购买蔬菜罐头。
- 商家可以采取特殊的市场推广活动或手段（给买冻肉啤酒、蔬菜罐头客户打折）、货架设计（冻肉啤酒和蔬菜罐头放在相邻位置）等。
当然还有很多其他结论，可以帮助我们对商品的销售进行分析和处理，有利于提高商品销量，实现数据价值。
操作步骤
（1）基于产品内置的实验案例 "购物篮分析"，参考如下GIF演示的步骤，拖拽 关联规则生成 后，配置 最小提升度，便可轻松输出关联规则的相关指标。
（2）结合“（2）也可以结合“过滤”功能，在过滤器中定义针对前项、后项的数量，以便筛选出一对一、一对多、多对一、多对多等关联形式。
...
