数据挖掘试验三报告

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.arffi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，产生候选项集(6)重复步骤(1)(5)直到不能发现更大的频集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)呈min_conf(最小置信度阈值)则输出规则"S=>L-S

2、Weka中有关Apriori的参数：Qweka,gui,Gen#ricObjertEdrtorweka.assodaiions.AprioriAbouta1. 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. 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(le

3、verage),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=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.b)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c)Conviction:P(A)P(!B)/P(A,!B)(旧表示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Lif

4、t公式后求倒数)可以看出，这个值越大A、B越关联。6. minMtric度量的最小值。7. numRules要发现的规则数。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。对数据集contact-lenses.arff进彳AApriori关联规则挖掘的结果：=RminzoTir

5、jazcn=5cnare:re.aaaoclat1ms-IT10一1D-口.3-C.05-U,1,3-M口,-5-l.D-c-1国elaElon.:；acc-lenae3Inst,andcs;24Jfztributes:5specta3l-e-pre?rripastioziatianitEar-psccl-raTEc3ntac二-1ens=口-Aaacciatcrntxielfulltrni-nijngsetJApriariEiniiLuiDwupF口rt;0.25>口耳匚3匚匚七日)KinimummetriG<contidence>Q,9NuzberDicyclespert

6、crmed:16Generatedsetsoflarjeiteraets;Sizeufser3fla工q士ireiL3E3L(1):11LsrgeItejuetsL(l)：age«anng3age=pre-presbcpicBage=peig3spectac1e-pre5crip=myope12apecuacl«-prescrlp»hypennetr2?L245tigrati5m=rL512匚L2tear-pro<l'rate=reduGEd12Ear-prDd-rate=aDiiral1Zecr.tact-lenses=BDft5contact-l

7、ense5=rLGii&15SizeofsetorlargeittiriaecsL(2):21LargeIternseta工;age=pre-preabycpiccontact-Lenses=nonE5Age-preatyapicccnLact-lensej-ncne后speccacle-ptescrip=iriy<jpepeccaclt-prs3criprci/opespectacle-pre3cri口peapectaele-prtscrspectacle-premcrip=H9口peaaEigmaLism=rLCa.azijmarijm=yesCtear-prod-rate&

8、#171;TeducedStear-p*cd-rat&=rieriraL6contact-lenae3=ncne7。七iga山E=ncasDigiiaDiatD=ye36rear-prod-rate=reduced.6tear-prod-raLe=ncriDaL6cen-iit-lerL3e3=ne?!ie8apecuacle-pEescripfirrezrsptapectaGlE-pre3crlp=hi,pettDe-rapespecmcLe-prescrip=iypemet匚杂apectacle-prescrip=hyperme二r*pe。©巨itaele一9亡县3&am

9、p;rip=hi*p&ft；白二亡士亡是astigmatisin=nDdstigmatis=iioa3DlofM-isffi=noascigmati31n=n口a5tL3mat;i3D=ye3asEigiiuti3ii=7egstigmsti3ri=yescontac.t-lense=ncneStearprcxi-rate=reducedcontact-lenaes-none12T；ear-prod-rate-ncrmfilccnuaci;-1tnaa-sofz55izofactoflargeitemseraL(3);6Larg-eItensetsL3:apt二匚acle-pr&

10、;sGrip=inyDpfnear-pr&drate=reductdconnact-1enjej=mneflapec-tacle-prsstropeaatigirtism=ye3ccntact-lenaE3=aanE5ape(7ta&le-preacrip=tiypErinetropetear-prod-rate=reducedcontact;-lenaea=noiitAastijroatisirnQteaz-prod-rate=reducedcontact-lense3=no-ne6astigmatism-notear-prod-rate-ncrma1conEact-lens

11、M-softSaacigmati31£=stear-prchI-rate*reducedcontact-Len3e3=aon&ESiS-itcultA1. 1D*ET-proc!-Taz-.i-s-±jC*iS1；szqtiibcx-1-nses-r:zns12<ce-2:IJijIzfi:iL.fe|iZ-eifO-lSi4:dutvi4.S)2. cprfi,.a.cli-tEtsczLrE.j-tcitEeir-prEia-iitc-zEiJZf!JH->czi_ta：B-l-ezizsBQCZLrE<czxZ:111>.LlfC3(1

12、(Lt:；'Z«591L*cccltiiJZ.ils3. =h'M墨9fi£=皿yrrcd”*&*二工I4JCB,匕;1»舵；雷££二过；|i|第UEs:|L.nLr*;壮,。务|2；磊4. Mt11一日nr-n口；tesr-prai-Eaic-ceci书>co苜tct-L«e门疗日一二m£Ccotif;|1|yLift;ll-£|Irvs<4.|04>2Jgoot;5. urziba-口gye.«-ar-pc23-z1aj£41也£«

13、;tsafdM5,iE二24L.JlIflvif3.OS5：21aovq二-2事ft.S3mtKE：EAlEI,i3e*9«3&£Ti-iAlTl?nBT13!»CSCtOKflL|>1-FT：0A>|JJCCIW：|2_1|。帛K晒-仪：于UTA3CFM。64/"Mil*llfEI129LEW)/E二£勺工十:Dd-r、1:ur=ixa-c-jztazz-len-a=sa£_5=>总工tdxa：二13je=zi匚5<=czizz2)lev:|tLl|2|eczr-f：>2.51awtinFDit

14、-xritr-ectSG-heiiEES-i口ft$1>te-az-j-rnd-ra'&etoETJol，<Gn£r411l£1<)l-v-j.fl,1J芝Etor*;(i.S410-COT3cmfl中EOmS“LlgdtllE中CHr-prH-WW««0r&iL5ILfti抬levsUIBM'NLTSn由输出：共进行16轮搜索，生成11个频繁1项集，21个频繁2项集，6个频繁3项集；产生10条(设置的)关联规则；如第条规贝U,tear-prod-rate=reduced=>contact-lens

15、es=none的置信度为1,即在tear-prod-rate=reduced的条件下，contact-lenses=none的概率为1;2 .根据CarInfo.txt和CarInfoDescription.tx幽个文件将CarInfo.txt转换成CarInfo.arff文件，并进行Apriori关联规则挖掘。要求同1将txt文件数据复制到excel1并保存为CSV&式，在weka中打开CSVi件，并保存为arff文件即可。其他同1;3 .解释FPGrowth算法；解释Weka中关于FPGrowth算法的参数；比较FPGrowth和Apriori算法的区别FPGrowth算法：1、构

16、造项头表：扫描数据库一遍，得到频繁项的集合F和每个频繁项的支持度。把F按支持度递降排序，记为L。2、构造原始FPTree把数据库中每个事物的频繁项按照L中的顺序进行重排。并按照重排之后的顺序把每个事物的每个频繁项插入以null为根的FPTree中。如果插入时频繁项节点已经存在了，则把该频繁项节点支持度加1;如果该节点不存在，则创建支持度为1的节点，并把该节点链接到项头表中。3、对FP树挖掘：由长度为1的叶子节点开始，构造它的条件模式基，然后构造它的条件FP树，并递归的在该树上进行挖掘，模式增长通过后缀模式与条件FP树昌盛的频繁模式连接实现。FPGrowth算法的参数：0.05False.IFa

17、ewekaassaciations.FPGrawtliAboutClasslimDiementingtheFP-growttialgorithmforfindiricilareitemsetsMorewithoutcardidategeneration.CapabilitiesdeltadoNotCheckCapabilitiestind/JIRulesFarSuppoilLeveihwerBaundMinSuppartmaWurriberOftteimsmetricTypeminMetricnumRulesToFindpositiv'elnd&trulesMustContsi

18、ntransactionsMustContainup口酊BouridMinSu口portuseORFortvlustContainListl.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。2 .findAllRulesForSupportLevel:查找满足最小支持下限和最小度量约束的所有规则。打开此模式将禁用迭代支持减少过程，以查找指定数量的规则。3 .lowerBoundMinSupport:最小支持度下界4 .maxNumberOfItems:频繁项集中最多项的个数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)。6 .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=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.b)Leverage:P(A,B)-P(A)P(B)Leverage