ipriori weka java_weka apriori算法详解以及参数详解

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：

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，即属性关系文件格式)，arff文件分为注释、关系名、属性名、数据域几大部分，注释用百分号开头%，关系名用@relation申明，属性用@attribute什么，数据域用@data开头，看这个示例数据集(安装weka后，可在weka的安装目录/data下找到weather.numeric.arff)：

%weather dataset

@relation weather

@attribute outlook {sunny, overcast, rainy}

@attribute temperature numeric

@attribute humidity numeric

@attribute windy {TRUE, FALSE}

@attribute play {yes, no}

@data

sunny,85,85,FALSE,no

sunny,80,90,TRUE,no

overcast,83,86,FALSE,yes

rainy,70,96,FALSE,yes

rainy,68,80,FALSE,yes

rainy,65,70,TRUE,no

overcast,64,65,TRUE,yes

sunny,72,95,FALSE,no

sunny,69,70,FALSE,yes

rainy,75,80,FALSE,yes

sunny,75,70,TRUE,yes

overcast,72,90,TRUE,yes

overcast,81,75,FALSE,yes

rainy,71,91,TRUE,no

当数据是数值型，在属性名的后面加numeric，如果是离散值(枚举值)，就用一个大括号将值域列出来。@data下一行后为数据记录，数据为矩阵形式，即每一个的数据元素个数相等，若有缺失值，就用问号?表示。

arff稀疏数据集

我们做关联规则挖掘，比如购物篮分析，我们的购物清单数据肯定是相当稀疏的，超市的商品种类有上10000种，而每个人买东西只会买几种商品，这样如果用矩阵形式表示数据显然浪费了很多的存储空间，我们需要用稀疏数据表示，看我们的购物清单示例(basket.txt)：

freshmeat dairy confectionery

freshmeat confectionery

cannedveg frozenmeal beer fish

dairy wine

freshmeat wine fish

fruitveg softdrink

beer

fruitveg frozenmeal

fruitveg fish

fruitveg freshmeat dairy cannedveg wine fish

fruitveg fish

dairy cannedmeat frozenmeal fish

数据集的每一行表示一个去重后的购物清单，进行关联规则挖掘时，我们可以先把商品名字映射为id号，挖掘的过程只有id号就是了，到规则挖掘出来之后再转回商品名就是了，retail.txt是一个转化为id号的零售数据集，数据集的前面几行如下：