weka關(guān)聯(lián)規(guī)則解析ppt課件(完整版)
【正文】 持頻度（第（ 6）步）。 Procedure apriori_gen(Lk1,min_sup) (1) for each l1∈ Lk1 (2) for each l2∈ Lk1 (3) if(l1[1]= l2[1])∧ … ∧ (l1[k2]= l2[k2])∧ (l1[k1]= l2[k1]) { (4) c= l1 join l2。 //發(fā)現(xiàn) 1項集 (2) For (k=2。即是 Support (A=B)=P(AUB) Confidence (A=B)=P(B|A)。設(shè)任務(wù)相關(guān)的數(shù)據(jù) D是數(shù)據(jù)庫所有事務(wù)的集合，其中每個事務(wù) T是數(shù)據(jù)項的集合，使得。它是概率 P（）。然后由頻繁集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，這些規(guī)則必須滿足最小支持度和最小可信度。 //獲得 t所包含的候選項集 (6) For each c∈ Ct c. count++。 else return FALSE。 ? 可能產(chǎn)生大量的候選集，以及可能需要重復(fù)掃描數(shù)據(jù)庫，是 Apriori算法的兩大缺點(diǎn)。根據(jù)實(shí)際情況和業(yè)務(wù)需求，將價格按高低分為 5個部分，分別為高、中高、中、中低和低。 分別用 HF， HMF， MF， MLF， LF表示， 其中 H為 high，代表高， M為 medium代表中， L為 low，代表低。 如果現(xiàn)貨市場上小麥價格中低，那么期貨市場的價格也是中低，可信度 57%。規(guī)則雖然很多，但并沒有指出期貨市場與現(xiàn)貨市場的關(guān)聯(lián)關(guān)系。 傳統(tǒng)的關(guān)聯(lián)算法是基于數(shù)據(jù)項集和數(shù)據(jù)項的概念，只能揭示出數(shù)據(jù)項個體之間零散的關(guān)聯(lián)關(guān)系，無法分析數(shù)據(jù)項與數(shù)據(jù)項整體之間的關(guān)聯(lián)關(guān)系。使用 Terius進(jìn)行挖掘 得出的規(guī)則 1. /* */ Future = LF == Current = LC 2. /* */ Future = HMF == Current = HMC 3. /* */ Current = HMC == Future = HMF 4. /* */ Current = LC == Future = LF 5. /* */ Current = MLC == Future = MLF 6. /* */ Current = LC == Future = MLF 7. /* */ Future = MLF == Current = LC 8. /* */ Future = MLF == Current = MLC 9. /* */ Current = HC == Future = HF 10. /* */ Future = HF == Current = HC 11. /* */ Current = MC == Future = MF 12. /* */ Cur
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1