<股票配资网大全>watson analytics WEKA中利用关联规则分析探索数据潜在模式，Apriori算法并非适用于大规模数据集？
在WEKA中，我们可以利用关联规则分析功能来探索数据集中的潜在模式。但需要注意的是，对于大规模数据集，算法可能并非最佳选择。以"bank-data"数据为例，我们可以使用打开"bank-data-final.arff"，切换到""选项卡，这里默认的算法将被用于分析。但可以调整参数，例如通过点击""右边的文本框，选择"More"来了解每个参数的含义。
算法的核心是支持度和置信度，它们分别衡量规则L->R在购物篮中出现的概率。规则的支持度表示同时观察到L和R的概率，置信度则表示在观察到L后R出现的概率。其他度量如Lift、和也是衡量规则关联程度的方式，Lift越大说明L和R的关联性越强，和则分别表示L和R的独立性程度。
为了挖掘出重要规则，我们可以设定参数，如支持度范围（10%至100%），Lift值大于1.5，选取前100个规则。在中点击"Start"，将开始执行算法，结果显示数据集摘要和挖掘结果。例如，前五个Lift值最高的规则如下：
除了图形用户界面，我们还可以通过命令行工具进行关联规则挖掘，比如使用算法的命令格式为：
java weka.. -t "-path"bank-data-final.arff
这里的选项可以根据需要调整，如设置支持度、Lift值等。通过命令行工具，可以挖掘不同项数的频繁项集，具体命令如：
java weka.. -N 100 -T 1 -C 1.5 -D 0.05 -U 1.0 -M 0.1 -S -1.0 -I -t "d:weka"bank-data-final.arff
命令执行后，会返回相应的挖掘结果，格式与GUI操作一致。
扩展资料
Weka的全名是怀卡托智能分析环境（ for ）watson analyticswatson analytics WEKA中利用关联规则分析探索数据潜在模式，Apriori算法并非适用于大规模数据集？，是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品-- ）的，基于JAVA环境下开源的机器学习（ ）以及数据挖掘（data ）软件。它和它的源代码可在其官方网站下载。有趣的是，该软件的缩写WEKA也是New 独有的一种鸟名，而Weka的主要开发者同时恰好来自New 的the of 。
