Weka_关联规则实验.ppt

ARFF文件 @RELATION testApriori @ATTRIBUTE I1 {1} @ATTRIBUTE I2 {1} @ATTRIBUTE I3 {1} @ATTRIBUTE I4 {1} @ATTRIBUTE I5 {1} @DATA 1,1,?,?,1 ?,1,?,1,? ?,1,1,?,? 1,1,?,1,? 1,?,1,?,? ?,1,1,?,? 1,?,1,?,? 1,1,1,?,1 1,1,1,?,? 使用Apriori的调整设置 使用Apriori的调整设置 调整Apriori 参数，将minMitric（最小置信度）从0.9调成0.55。再次运算可得： Best rules found： 1. Future=LF 3 == Current=LC 3 conf:(1) 2. Current=MLC 7 == Future=MLF 4 conf:(0.57) 3. Future=HMF 7 == Current=HMC 4 conf:(0.57) 规则的意义为： 如果期货市场上小麦价格低，那么现货市场的价格也是低，可信度100%。 如果现货市场上小麦价格中低，那么期货市场的价格也是中低，可信度57%。 如果期货市场上小麦价格中高，那么现货市场的价格也是中高，可信度57%。 这几条规则后也许可以判断出这两个价格之间存在着某种的正关联关系。但其关联程度如何，是否真正有正关联便不得而知。 使用其它关联规则算法进行分析  ·使用PredictiveApriori进行挖掘 Best rules found: 1. Future=LF 3 == Current=LC 3 acc:(0.77994) 2. Future=HMF 7 == Current=HMC 4 acc:(0.47441) 3. Current=MLC 7 == Future=MLF 4 acc:(0.47441) 4. Future=MLF 10 == Current=LC 5 acc:(0.45524) 5. Current=LC 10 == Future=MLF 5 acc:(0.45524) 6. Current=MC 3 == Future=MF 2 acc:(0.45055) 7. Current=HMC 8 == Future=HMF 4 acc:(0.44328) 8. Future=HF 4 == Current=HC 2 acc:(0.40743) 9. Future=HF 4 == Current=HMC 2 acc:(0.40743) 10. Current=HC 4 == Future=HMF 2 acc:(0.40743) 11. Current=HC 4 == Future=HF 2 acc:(0.40743) 12. Future=MLF 10 == Current=MLC 4 acc:(0.3811) 13. Current=LC 10 == Future=LF 3 acc:(0.30799) 14. Future=HMF 7 == Current=HC 2 acc:(0.30513) 15. Current=MLC 7 == Future=MF 2 acc:(0.30513) 16. Future=MF 8 == Current=LC 2 acc:(0.28063) 17. Future=MF 8 == Current=MLC 2 acc:(0.28063) 18. Current=HMC 8 == Future=MF 2 acc:(0.28063) 19. Current=HMC 8 == Future=HF 2 acc:(0.28063) 20. Current=LC 10 == Future=MF 2 acc:(0.24374) 共20条规则。其中前3条与Apriori的所挖出来的3条规则类似。可以看出，PredictiveApriori按acc数值的大小几乎将所有规则都挖出来。规则虽然很多，但并没有指出期货市场与现货市场的关联关系。 使用Terius进行挖掘 ·使用Terius进行挖掘 得出的规则 1. /* 0.340260 0.000000 */ Future = LF == Current = LC 2. /* 0.291773 0.093750 */ Future = HMF == Current = HMC 3. /* 0.285094 0.125000 */ Current = HMC == Future = H