本文详细介绍了Weka中Apriori算法的参数设置，包括挖掘类关联规则、类属性索引、支持度迭代递减单位、最小支持度下界等关键选项。还探讨了度量类型的多种选择，如置信度、提升度和确信度，以及它们在衡量规则关联程度中的作用。此外，提到了规则的数量、输出项集、移除缺失值、重要性测试和算法运行模式等设置。
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.
weka apriori参数设置意义
最新推荐文章于 2023-10-17 20:02:43 发布
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.
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
1324
