WEKA中探索者界面的关联分析 .pptVIP

什么是关联规则？ 关联规则数据挖掘是数据挖掘领域的热点之一。 关联规则反映一个对象与其他对象之间的相互依赖性，如果多个对象之间存在一定的关联关系，那么，其中一个对象就能够通过其他对象进行预测。 典型问题：a.分析超市中的购物篮数据； b.从海量商业交易记录中发现感兴趣的数据 关联，以帮助商家决策。 例如：商品分类设计、降价经销分析、货架摆 放策略...... 支持度、置信度、项集、项 关联规则可以采用与分类规则相同的方式产生。由于得到的关联规则数量庞 大，通常需要根据覆盖率(coverage)和准确率(accuracy)进行修剪。 覆盖率：又称为支持度（support），支持度是支持度计数与实例总数的比 值，支持度计数是应用规则后预测正确的实例数量； 准确率：又称为置信度(confidence)，表示为支持度计数与应用规则的实例 数量的比值。 由于仅对高覆盖量的关联规则感兴趣，因此关联只寻找能够达到预定的最小 覆盖量的属性值对组合，这些组合称为项集(itemset)，其中的任一个属性值 对称为一个项(item)。 例如：套用购物篮分析案例，项就是购物篮中的商品，需要寻找的是购物篮 中商品之间的关联。 关联分析 定义：主要用于发现隐藏在大型数据集中的有意义的联系，这些联系可以采 用关联规则或频繁项集的形式表示。关联分析可用于购物篮数据分析，还可 用于医疗诊断、网页挖掘和科学数据分析等领域。 Weka数据挖掘平台上的Associate标签页就是用来处理关联问题： Weka提供了Apriori、PredictiveApriori、Tertius等关联规则发掘算法； 在Associate标签页中选定一个算法，进行一些必要的设置，包括支持度上界、 下界，每次运算的支持度递减值，等等； 其中，Apriori算法是第一个关联规则挖掘算法，而且这几个算法均不支持数值型数据，所以如果是数值型数据，则需要先对其进行离散化处理。 了解Apriori算法中各个参数的解释 案例1.weather.nominal.arff数据集 Apriori FilteredAssociator FPGrowth 对于设置表中各个参数的含义： 1.car：如果设为true，则会挖掘类关联规则而不是全局关联规则。 2.classindex：类属性索引。若设为-1，最后的属性被当做类属性。 3.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。 4.lowerBoundMinSupport：最小支持度下界。 6.minMtric 度量的最小值。 7.numRules 要发现的规则数。 8.outputItemSets 如果设置为真，会在结果中输出项集。 9.removeAllMissingCols 移除全部为缺省值的列。 10.significanceLevel 重要程度。重要性测试（仅用于置信度）。 11.upperBoundMinSupport 最小支持度上界。 从这个值开始迭代减小最小支持度。 5.metricType：度量类型。设置对规则进行排序的度量依据。可以是：置信度（类关联规则只能用置信度挖掘），提升度(lift)，杠杆率(leverage)，确信度(conviction)。 在 Weka中设置了几个类似置信度(confidence)的度量来衡量规则的关联程度，它们分别是： a) Lift （提升度）： P(A,B)/(P(A)P(B)) Lift=1时表示A和B独立。这个数越大(1)，越表明A和B存在于一个购物篮中不是偶然现象,有较强的关联度. b) Leverage （杠杆率）：P(A,B)-P(A)P(B)Leverage=0时A和B独立，Leverage越大A和B的关系越密切 c) Conviction（确信度）：P(A)P(!B)/P(A,!B) （!B表示B没有发生） Conviction也是用来衡量A和B的独立性。从它和lift的关系（对B取反，代入Lift公式后求倒数）可以看出，这个值越大, A、B越关联。 完整的实验结果输出及具体分析： === Run information === //实验运行信息 Scheme: weka.associations.Apriori -N 1