数据挖掘实验三报告

《数据挖掘实验三报告》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实验三：基于Weka进行关联规则挖掘实验步骤1.利用Weka对数据集contact-lenses.arff进行Apriori关联规则挖掘。要求：描述数据集；解释Apriori算法及流程；解释Weka中有关Apriori的参数;解释输出结果Apriori算法：1、发现频繁项集，过程为(1)扫描(2)计数(3)比较(4)产生频繁项集(5)连接、剪枝，产牛候选项集(6)重复步骤(1)~(5)直到不能发现更人的频集2、产生关联规则(1)对于每个频繁项集L,产生L的所有非空子集；(2)对于L的每个非空子集S,如果P(L)/P(S)^min_con

2、f(最小置信度阈值)则输出规则“S=>L・S”Weka中有关Apriori的参数：False[-10.05False0.1IConfidence0.910outputltemSetsremoveAIIMis引ngColssignificanceLeveltreatZeroAsMissingupperBoundMinSupport「False-1.0[False1.0iOweka.gui.GenericObjectEditorX.weka.assodationsApriori(AboutClassimplementinganApriori

3、-typealgorithm.MoreCapabilitiesLeft-dicktoeditpropercardasslndexdeltadoNotCheckCapabilitieslowerBoundMinSupportmetricTypeminMetricnumRules1.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.lowerBoundMinS

4、upport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)<>在Weka中设置了几个类似置信度(confidence)的度量来衡量规则的关联程度,它们分别是：a)Lift:P(A,B)/(P(A)P(B))Lift=l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彖，有较强的关联度.b)Leverage:P(A,B)-P(A)P(B)Leverage

5、=O时A和B独立，Leverage越大A和B的关系越密切a)Conviction:P(A)P(!B)/P(A,!B)(!B表示B没有发生)Conviction也是用来衡量A和B的独立性。从它和lift的关系(对B取反，代入Lift公式后求倒数)可以看出，这个值越大,A、B越关联。1.minMtric度量的最小值。2.numRules要发现的规则数。8.outputltemSets如果设置为真，会在结果屮输出项集。9.removeAIIMissingCols移除全部为缺省值的列。10.significanceLevel重要程度。重要性测试

6、(仅用于置信度)。H.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。对数据集contact-lenses.arff进行Apriori关联规则挖掘的结果：«*«RuninforsationSchsne:weka.associations.Apriori・N10-T0・C0.9・D0.051.0-M0.1・S・cRelition:contAcslenseqInstances:24Attributes:5ageapectacle-prescri

7、pascigsiacismtear・pirod・ratecontact-lensesAssociatormodel(fulltrainingset)AprioriMinimumsupport:0.2(5instances)Minimummetric:0.9Nunberofcyclesperformed:16Generatedsetsoflargeitemsets:SizeofsetoflargeitemaetsL(l):11LargeItemsetsL(l):age-young8age«pre-presbyopi

8、c8age=presbyopic8spectacle・prescrip=myope12spectacle-preacrip-hypermetrope12as^igmatism»no12as*igmatism