weka_Apriori

Apriori算法--使用weka操作姓名：陈小康学号：2015216081算法核心算法核心算法核心综上所述：连接和剪枝实例：contact-lenses（隐形眼镜）实例：contact-lenses（隐形眼镜）表中数据：age（年龄）spectacle-prescrip（眼睛处方）astigmatism（散光人群）tear-prod-rate（眼睛撕裂生成速率）contact-lenses（隐形眼睛分类）实例：contact-lenses（隐形眼镜）假设最小支持度计数为min_sup=12，通过对候选1项集，可以确定频繁1项集L11-项集支持度计数spectacle-prescrip=myope12spectacle-prescrip=hypermetrope12astigmatism=no12astigmatism=yes12tear-prod-rate=reduced12tear-prod-rate=normal12contact-lenses=none15实例：contact-lenses（隐形眼镜）使用频繁1-项集L1连接产生候选2-项集C22-项集支持度计数spectacle-prescrip=myope，astigmatism=no6spectacle-prescrip=myope，astigmatism=yes6spectacle-prescrip=myope，tear-prod-rate=reduced6spectacle-prescrip=myope，tear-prod-rate=normal6spectacle-prescrip=myope，contact-lenses=none7实例：contact-lenses（隐形眼镜）使用频繁1-项集L1连接产生候选2-项集C22-项集支持度计数spectacle-prescrip=hypermetropeastigmatism=no6spectacle-prescrip=hypermetropeastigmatism=yes6spectacle-prescrip=hypermetropetear-prod-rate=reduced6spectacle-prescrip=hypermetropetear-prod-rate=normal6spectacle-prescrip=hypermetropecontact-lenses=none8实例：contact-lenses（隐形眼镜）使用频繁1-项集L1连接产生候选2-项集C22-项集支持度计数astigmatism=no，tear-prod-rate=reduced6astigmatism=no，tear-prod-rate=normal6astigmatism=no，contact-lenses=none7astigmatism=yes，tear-prod-rate=reduced6astigmatism=yes，tear-prod-rate=normal6实例：contact-lenses（隐形眼镜）使用频繁1-项集L1连接产生候选2-项集C22-项集支持度计数astigmatism=yescontact-lenses=none8tear-prod-rate=reducedcontact-lenses=none12tear-prod-rate=normalcontact-lenses=none3实例：contact-lenses（隐形眼镜）利用候选2-项集，经过剪枝得到频繁2-项集2-项集支持度计数tear-prod-rate=reducedcontact-lenses=none12获得关联规则:眼睛撕裂产生速率降低，不需要隐形眼镜tear-prod-rate=reducedcontact-lenses=none置信度：12/12=100%WEKA实现数据挖掘算法AprioriWEKA简介Weka的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），是一款免费的，非商业化的，基于JAVA环境下开源的机器学习以及数据挖掘软件。存储数据格式为ARFF（attribute-relationfileformat），这是一种ASCII文本文件WEKA实现数据挖掘算法AprioriWEKA实现数据挖掘算法AprioriWEKA实现数据挖掘算法Apriori参数名称含义car如果设为真，则会挖掘类关联规则而不是全局关联规则classindex类属性索引。如果设置为-1，最后的属性被当做类属性delta以此数值为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则lowerBoundMinSupport最小支持度下界metricType对规则进行排序的度量依据minMtric度量的最小值numRules要发现的规则数outputItemSets如果设置为真，会在结果中输出项集removeAllMissingCols移除全部为缺省值的列WEKA实现数据挖掘算法Apriori参数名称含义significanceLevel重要程度。重要性测试upperBoundMinSupport最小支持度上界。从这个值开始迭代减小最小支持度verbose如果设置为真，则算法会以冗余模式运行WEKA实现数据挖掘算法AprioriWEKA实现数据挖掘算法AprioriWEKA实现数据挖掘算法Apriori练习题：以下是用户访问WEB日志的事务数，通过Apriori算法发掘其中的关联关系。谢谢