三、Orange 与 Apriori 算例
在 Orange 中针对关联规则提供了两个算法。因为关联规则是一种无监督学习算法，所以Orange 在诸多无监督学习模型后专门开列了关联规则算法模型供应用。
示例数据集收列了某学校食堂各灶学生点餐外卖的数据，以一单为一个项集，共 709 条数据，如表 2-5-9 所示。
表 2-5-9 学校食堂点餐外卖数据
需要说明的是，Orange 在进行关联规则算法计算时，需要的是后缀名为.basket 或.bsk 文件格式，这两个文件其实都是文本文件。
首先需要进行数据清理，将不是菜名的数据清除，同时要注意在各个菜名之间加入英文半角逗号（，）分隔，且每单的最后要保证是以回车符结束的。然后将所有项集复制，粘贴入一个文本文件，并将文本文件改为英文名，同时将.txt 后缀名改为.bsk。至此，所有的文件准备工作基本结束。
打开 Orange 平台，先将文件载入，如图 2-5-2 所示。
图 2-5-2 学生点餐数据的载入窗口
然后将频繁集及关联规则算法模型连入数据库，其工作流如图 2-5-3 所示。
图 2-5-3 学生点餐数据的工作流
由于菜品比较多，学生的选择空间大，所以将支持度设为 5%，则产生的频繁集有 10 项，如图 2-5-4 所示。
图 2-5-4 支持度 5%的频繁项
同样由于项目多，数据量相对较少，将支持度设为 2%，置信度设为 25%时，产生 3 条关联规则，如图 2-5-5 所示。
图 2-5-5 支持度 2.5%的频繁项
由这 3 条关联规则可以看出一个有意思的常识性饮食搭配，即面食和各种肉肠是较为紧密的搭配关系，都是在吃面的时候选择再卖一根肉肠。由此可以提示商家，在外卖 App 的商品配图时，可考虑将面食与肉肠同框，这样可提高商品的售卖量。