weka-实现Apriori算法

weka实现Apriori算法有两种方式：第一种是可视化方式，直接使用weka软件进行关联规则挖掘；第二种是调用其提供的Java API。

0. 数据准备

先将数据转化为csv或arff格式，若数据含有数值属性(numerical)，则应先离散化，因为Apriori算法只能对标称属性(nominal)进行分析。样例数据如下：

@relation stu

@attribute Arbori_binari_de_cautare {TRUE, FALSE}
@attribute Arbori_optimali {TRUE, FALSE}
@attribute Arbori_echilibrati_in_inaltime {TRUE, FALSE}
@attribute Arbori_Splay {TRUE, FALSE}
@attribute Arbori_rosu_negru {TRUE, FALSE}
@attribute Arbori_2_3 {TRUE, FALSE}
@attribute Arbori_B {TRUE, FALSE}
@attribute Arbori_TRIE {TRUE, FALSE}
@attribute Sortare_topologica {TRUE, FALSE}
@attribute Algoritmul_Dijkstra {TRUE, FALSE}

@data
TRUE,TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,TRUE,FALSE,FALSE
TRUE,TRUE,TRUE,TRUE,TRUE,TRUE,FALSE,TRUE,FALSE,FALSE
FALSE,TRUE,TRUE,TRUE,FALSE,FALSE,FALSE,TRUE,FALSE,TRUE
FALSE,TRUE,FALSE,FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,FALSE,TRUE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,FALSE
FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,FALSE,TRUE,TRUE,TRUE,FALSE,TRUE,TRUE,TRUE,FALSE
FALSE,TRUE,TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,FALSE,FALSE
TRUE,FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE,TRUE,TRUE,TRUE
TRUE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE
TRUE,TRUE,FALSE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,FALSE

1. weka软件的方式

Explorer→Open File→Associate→Choose Apriori→Click Apriori to set→Start

1.1 参数分析

1-car : 若设置为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，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)；
5.1-Lift : 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
5.2-Leverage : 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
5.3-Conviction : P(A)P(!B)/P(A,!B)，用来衡量A和B的独立性，这个值越大，A和B越关联
6-minMtric : 度量的最小值；
7-numRules : 要挖掘的规则数；
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；
12- verbose : 如果设置为真，则算法会以冗余模式运行.

2. Java API方式

public void apriori(String path) {
        Instances data = null;
        try {
            BufferedReader reader = new BufferedReader(new FileReader(path));
            data = new Instances(reader);
            reader.close();
            data.setClassIndex(data.numAttributes() - 1);
        } catch (IOException e) {
            e.printStackTrace();
        }
        Apriori apriori = new Apriori();
        double delta = 0.05;
        double lowerBoundMinSupport = 0.1;
        double upperBoundMinSupport = 1.0;
        double minMetric = 0.5;
        int numRules = 20;
        String res;
        apriori.setDelta(delta);
        apriori.setLowerBoundMinSupport(lowerBoundMinSupport);
        apriori.setUpperBoundMinSupport(upperBoundMinSupport);
        apriori.setNumRules(numRules);
        apriori.setMinMetric(minMetric);
        try {
            apriori.buildAssociations(data);
        } catch (Exception e) {
            e.printStackTrace();
        }
        res = apriori.toString();
        System.out.println(res);
    }

2.1 结果如下