weka关联规则分析

最新推荐文章于 2023-09-08 12:30:10 发布
最新推荐文章于 2023-09-08 12:30:10 发布
阅读量7.7k 收藏 32
点赞数 1
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40774634/article/details/82933518
版权

weka关联规则学习可以发现属性组之间的依赖关系

一、关联规则：

在这里插入图片描述

二、关联规则挖掘的主要算法：

在这里插入图片描述
这三种方法都不支持数值型数据。事实上，绝大多数关联规则都不支持数值型，所以必须将数据进行处理，经数据按区段进行划分，进行离散化分箱处理。

三、算法属性设置

算法属性设置
其中metrictype度量类型分为以下：
在这里插入图片描述

羊啊
关注
专栏目录
weka java apriori_数据挖掘：关联规则的apriori算法在weka的源码分析
weixin_35508482的博客
02-25 530
相对于机器学习，关联规则的apriori算法更偏向于数据挖掘。1)　测试文档中调用weka的关联规则apriori算法，如下try{File file= new File("F:\\tools/lib/data/contact-lenses.arff");ArffLoader loader= newArffLoader();loader.setFile(file);Instances m_inst...
weka apriori 关联规则
06-24
通过上述分析可以看出，在Weka中使用Apriori算法进行关联规则挖掘的过程主要包括数据预处理、模型训练以及规则输出。Apriori算法通过频繁项集的挖掘，能够有效地找出数据集中隐藏的关联关系，并通过一定的规则格式...
weka中解读经典关联规则Apriori
05-06
在weka 中，详细解读经典关联算法的Apriori的源代码
Weka学习之关联规则分析
weixin_30646315的博客
12-16 919
步骤： （一） 选择数据源 （二）选择要分析的字段 （三）选择需要的关联规则算法 （四）点击start运行 （五） 分析结果 算法选择： Apriori算法参数含义 1.car：如果设为真，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。如果设置为-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...
Weka关联规则分析
weixin_30551963的博客
12-17 908
购物篮分析： Apriori算法： 参数设置： 1.car 如果设为真，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。如果设置为-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。 5. metricTy...
数据挖掘系列（4）使用weka做关联规则挖掘
AlienTech for better life!~
11-16 3771
前面几篇介绍了关联规则的一些基本概念和两个基本算法，但实际在商业应用中，写算法反而比较少，理解数据，把握数据，利用工具才是重要的，前面的基础篇是对算法的理解，这篇将介绍开源利用数据挖掘工具weka进行管理规则挖掘。 weka数据集格式arff 　　arff标准数据集简介 　　weka的数据文件后缀为arff（Attribute-Relation File Format，即属性
《数据挖掘基础》实验：Weka平台实现关联规则挖掘
热门推荐
lazyn的博客
12-21 1万+
Weka平台实现关联规则挖掘：进一步理解关联规则算法（Apriori算法、FP-tree算法），利用weka实现数据集的挖掘处理，学会调整模型参数，读懂挖掘规则，解释规则的含义
基于WEKA数据挖掘中关联规则的分析及应用举例.pdf
07-14
利用WEKA进行关联规则挖掘，用户可以便捷地分析大型数据库并发现有价值的信息，从而为商业决策提供支持。WEKA提供了一个强大的平台，通过它的接口和工具，可以方便地处理数据，挖掘关联规则，并验证规则的有效性。...
weka-src.rar_weka_weka eclip_关联规则
09-24
通过阅读和分析源代码，你可以深入理解WEKA内部的工作原理，以及如何利用这些算法进行关联规则挖掘。同时，这也有助于自定义和扩展WEKA的功能，以适应特定的数据挖掘需求。 具体操作步骤可能包括： 1. 解压“weka-...
weka 关联规则筛选
06-07
4. 结果分析：Weka将结果以表格的形式呈现，其中包括所有发现的关联规则及其支持度和置信度等信息。可以根据需要对结果进行筛选或排序。 5. 导出结果：可以将结果导出为CSV文件或ARFF文件，以便进一步分析或应用。 ...
Weka系统中的关联规则
08-30
weka系统中的管理啊规则，lift,leverage,confidence,等等兴趣度度量规则解释和定义
weka关联分数据大数据，数据分析等需要
03-24
weka进行关联分析时数据
Weka机器学习-06-关联
fxqwgdddg123的博客
11-06 1314
关联规则反映了一个对象与其他对象之间的相互依赖关系，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。 关联规则通常需要根据覆盖率和准确率进行修剪。覆盖率也称为支持度，支持度计数是应用规则后预测正确的实例的数量，支持度是支持度计数与实例总数的比值。准确率也成为置信度，表示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，其中的人一个属性值对称为一个项。 Weka使用Associat
数据挖掘课程设计——基于关联规则挖掘的美国国会议员投票行为分析（使用weka）
最新发布
Moonee_
09-08 2429
使用关联规则挖掘这一数据挖掘技术来分析美国国会议员投票行为，揭示出影响议员投票结果的因素和规律。
weka –Apriori算法 关联规则挖掘实验
Nieson2012的专栏
06-05 4858
一、Apriori算法参数含义 本次共进行了9组实验，使用了weka安装目录data文件夹下的contact-lenses.arff数据。     ToolsàArffViewer，打开contact-lenses，可以看到实验数据contact-lenses共有24条记录，5个属性值。具体内容如下：     结合实验结果阐释下列12个参数的含义 1.        car 如
WEKA——关联规则（购物篮分析）
mmc2015的专栏
12-27 1万+
注意：目前，WEKA的关联规则分析功能仅能用来作示范，不适合用来挖掘大型数据集。 我们打算对前面的“bank-data”数据作关联规则的分析。用“Explorer”打开“bank-data-final.arff”后，切换到“Associate”选项卡。默认关联规则分析是用Apriori算法，我们就用这个算法，但是点“Choose”右边的文本框修改默认的参数，弹出的窗口中点“More”可以看
weka –Apriori算法 关联规则挖掘详解
linglingbaby的专栏
02-28 1万+
本文转自：http://blog.csdn.net/haosijia929/article/details/5596939 一、Apriori算法参数含义 本次共进行了9组实验，使用了weka安装目录data文件夹下的contact-lenses.arff数据。     ToolsàArffViewer，打开contact-lenses，可以看到实验数据contact-l
Weka --- 关联规则挖掘
机器学习与神经网络
12-26 6239
算法属性设置： 1.car：如果设为真，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。如果设置为-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。 5.metricType： 度量类型，设置对规则进行排序的
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值