部署先验rulsets至R中的数据集(deploying apriori rulsets to th

我有一个关于在R.我基本上要分配predcition（项目）和置信度值对每个客户，所以我可以创建一个简单的推荐系统先验规则的部署问题，所以下面是我所得到我的规则集的一个子集，

bread&wine -> meat (confidence 54%)
cheese -> fruit (confidence 43%)
bread&cheese -> frozveg (confidence 24%)

而以下是我想要实现只用1客户简单的表现形式; 这是在一个筐或真值表数据。

ID |面包|葡萄酒| 奶酪PRED1 CONF1 PRED2 CONF2

1 | 1 | 1 | 1个肉| 0.54 | 水果| 0.43

这可以通过简单地连接数据集在IBM SPSS Modeler中的模型块可以做到，但它似乎在R.不容易

任何人都可以向我提供这个在R代码里面的溶液或在做这个简单的指南？

包recommenderlab你想要做什么（减去显示信心）。下面是一些代码（改编自recommenerlab的文档），其学习来自杂货数据集的推荐模式，它适用于在第一10个交易：

 library(recommenderlab)
 data(Groceries)
 dat <- as(Groceries, "binaryRatingMatrix")
 rec <- Recommender(dat, method = "AR", 
    parameter=list(support = 0.0005, conf = 0.5, maxlen = 5))
 getModel(rec)

   $description
   [1] "AR: rule base"

   $rule_base
   set of 38365 rules 

   $support
   [1] 5e-04

   $confidence
   [1] 0.5

   $maxlen
   [1] 5

   $measure
   [1] "confidence"

   $verbose
   [1] FALSE

   $decreasing
   [1] TRUE


 pred <- predict(rec, dat[1:5,])
 as(pred, "list")
   [[1]]
   [1] "whole milk"     "rolls/buns"     "tropical fruit"

   [[2]]
   [1] "whole milk"

   [[3]]
   character(0)

   [[4]]
   [1] "yogurt"        "whole milk"    "cream cheese " "soda"         

   [[5]]
   [1] "whole milk"

下面是在创建推荐你可以使用参数。

recommenderRegistry$get_entry("AR", dataType = "binaryRatingMatrix")
  Recommender method: AR
  Description: Recommender based on association rules.
  Parameters:
    support confidence maxlen    measure verbose decreasing
  1     0.1        0.3      2 confidence   FALSE       TRUE