weka關(guān)聯(lián)規(guī)則解析ppt課件-文庫吧資料
2025-05-20 01:10本頁面
【正文】 MLF， LF表示， 其中 H為 high，代表高， M為 medium代表中， L為 low，代表低。 ? 每個區(qū)間的最低值為下一區(qū)間的最高值。 ? 將第一區(qū)間最低值減去價差，得第二區(qū)間最低值，即 =。即 (17001266)/5=。根據(jù)實際情況和業(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。所以必須將數(shù)據(jù)進(jìn)行處理，將數(shù)據(jù)按區(qū)段進(jìn)行劃分，進(jìn)行離散化分箱處理。 數(shù)據(jù)預(yù)處理 ? WEKA數(shù)據(jù)挖掘平臺上的關(guān)聯(lián)規(guī)則挖掘算法有三種，分別是 Apriori、 PredictiveApriori和Terius，這三個算法均不支持?jǐn)?shù)值型數(shù)據(jù)。 實例：期貨市場與現(xiàn)貨市場之間的關(guān)聯(lián)性研究 ? 源數(shù)據(jù)介紹 數(shù)據(jù)是 2021年 1月到 2021年 8月的小麥期貨市場和現(xiàn)貨市場的價格，其中期貨市場價格來自鄭州商品交易所，選硬冬白小麥（ WT609） ,價格為每月的收盤價，現(xiàn)貨市場的價格來自國家糧油信息中心，為中等普通小麥?zhǔn)袌雠l(fā)價格，價格數(shù)值為每個月的下旬平均價。 ? 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。 ? Apriori過程完成兩種操作，那就是連接和消減操作。最終滿足最小支持頻度的候選項集組成了頻繁項集 L。 apriori_gen過程產(chǎn)生相應(yīng)的候選項集；然后利用 Apriori性質(zhì)刪除那些子集為非頻繁項集的候選項集（第（ 3）步）。 else return FALSE。 (8) } (9) Return Ck。 //將兩個項集連接到一起 (5) if has _ infrequent _ itemset (c, Lk1) (6) delete c。 (9) Return L=U k L k。 //獲得 t所包含的候選項集 (6) For each c∈ Ct c. count++。k++){ (3) Ck=apriori_gen(Lk1,min_sup)。Lk1≠248。其核心思想簡要描述如下： 輸入：交易數(shù)據(jù)庫 D，最小支持閾值 min _sup； 輸出： Li， D中的頻繁項集； 方法： (1) L1=find_frequent_1_itemset(D)。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。所有支持度大于最小支持度的項集稱為頻繁項集，簡稱頻集。 同時滿足最小支持度閾值（ min_sup）和最小置信度閾值（ min_conf）的規(guī)則稱作強(qiáng)關(guān)聯(lián)規(guī)則。這是條件概率 P（ B|A）。它是概率 P（）。關(guān)聯(lián)規(guī)則是形如的蘊涵式，其中，并且。每一個事務(wù)有一個標(biāo)識符，稱作 TID。Weka系統(tǒng)中的關(guān)聯(lián)規(guī)則 關(guān)聯(lián)規(guī)則的基本概念 ? 設(shè) I={i1 ,i
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1