Weka机器学习-06-关联

关联规则反映了一个对象与其他对象之间的相互依赖关系，如果多个对象之间存在一定的关联关系，那么，其中一个对象就能够通过其他对象进行预测。
关联规则通常需要根据覆盖率和准确率进行修剪。覆盖率也称为支持度，支持度计数是应用规则后预测正确的实例的数量，支持度是支持度计数与实例总数的比值。准确率也成为置信度，表示支持度计数与应用规则的实例数量的比值。
由于仅对高覆盖量的关联规则感兴趣，因此关联只寻找能够达到预定的最小覆盖量的属性值对组合，这些组合称为项集，其中的人一个属性值对称为一个项。
Weka使用Associate（关联）标签页来处理关联问题。

（1）Apriori关联规则
运行结果：

对于天气数据集，利用Apriori关联规则，输出结果为10条规则
规则采用“前件num.1==>结论num.2”的形式表示，前件后面的数字表示有多少个实例满足前件，结论后面的数字表示有多少个实例满足整个规则，这就是规则的支持度。
因为在所有10个规则中，这两个数相等，所有每个规则的置信度都正好是1.

这部分表示，算法的最小置信度为0.9，这是默认值，在输出中已经显示未Minimum metric：0.9。输出中还显示Number of cycles performed（执行的次数）为17，该值表明Apriori算法实际运行17次以产生这些规则。Minimum support（最小支持度），所生成的输出值为0.15（对应于0.15*14=2实例）