Weka关联规则实验.pptVIP

Weka关联规则实验;关联规则的基本概念;Apriori算法综述;Apriori核心算法分析 ;;Apriori算法的第（1）步就是发现频繁1-项集L1；在第（2）至第（8）步，利用Lk-1产生Ck以便获得Lk。apriori_gen过程产生相应的候选项集；然后利用Apriori性质删除那些子集为非频繁项集的候选项集（第（3）步）。一但产生所有候选，就要扫描数据库（第（4）步），对于数据库中的每个交易利用subset函数来帮助发现该交易记录的所有（已成为候选项集）的子集（第（5）步），由此累计每个候选项集的支持频度（第（6）步）。最终满足最小支持频度的候选项集组成了频繁项集L。这样可以利用一个过程来帮助从所获得频繁项集中生成所有的关联规则。 Apriori过程完成两种操作，那就是连接和消减操作。在连接过程中， Lk-1与Lk-1相连接以产生潜在候选项集（Apriori算法中的第（1）步至第（4）步）；消减过程中（Apriori算法中的第（5）步至第（6）步）利用Apriori性质消除候选项集中那些子集为非频繁项集的项集。 可能产生大量的候选集，以及可能需要重复扫描数据库，是Apriori算法的两大缺点。 ;PredictiveApriori算法;Terius算法;实例：期货市场与现货市场之间的关联性研究;数据预处理;小麦期货市场和现货市场的价格数据;期货市场的最高价是2004年9月，价格为1700元/吨，最低价是2006年6月，价格为1266元/吨。根据实际情况和业务需求，将价格按高低分为5个部分，分别为高、中高、中、中低和低。其划分方法是： 将最高价减去最低价再除以5，得价差。即(1700-1266)/5=86.8。 将最高价减去价差，得第一区间最低值，即1700-86.8=1613.2。 将第一区间最低值减去价差，得第二区间最低值，即1613.2-86.8=1526.4。 依步骤3，得第三区间最低值1439.6和第四区间最低值1352.8。 每个区间的最低值为下一区间的最高值。 这样就可以分为[1700,1613.2)，[1613.2,1526.4)，[1526.4,1439.6)，[1439.6,1352.8)，[1352.8,1266]。 分别用HF，HMF，MF，MLF，LF表示， 其中H为high，代表高，M为medium代表中，L为low，代表低。 F为future，代表期货市场。;;离散化分箱后数据文件;Weka打开数据文件;删除不需要的属性;使用Apriori进行分析;使用Apriori进行分析;使用Apriori的调整设置;;使用Apriori的调整设置 ;使用其它关联规则算法进行分析;;;;;ARFF文件