Weka学习 Apriori算法if( !m_car）

最新推荐文章于 2023-04-10 14:18:36 发布

原创

最新推荐文章于 2023-04-10 14:18:36 发布 · 1.2k 阅读

0 ·

CC 4.0 BY-SA版权

本文详细介绍了Weka中Apriori算法的实现，重点解析了当`m_car`变量为假的情况。文章从`buildAssociations(Instances instances)`函数入口开始，讲解了如何生成大项集，包括转换实例、生成1-itemset和2-itemset的过程，并通过`mergeAllItemSets`和`getHashtable`方法进行合并和统计。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

weka里Apriori算法涉及两篇文章，一篇是《Fast Algorithms for Mining Association Rules in Large Databases》另外一篇《Integrating Classification and Association Rule Mining》。在算法里区别体现在 m_car变量是否为真。这一篇先说if( !m_car）情况。

算法入口函数：public void buildAssociations(Instances instances)。

下面是部分代码示例:

  if(!m_car){
        // Find large itemsets and rules
        findLargeItemSets();
        if (m_significanceLevel != -1 || m_metricType != CONFIDENCE) 
            findRulesBruteForce();
        else
            findRulesQuickly();
      }
      else{
          findLargeCarItemSets();
          findCarRulesQuickly();
      }

根据上面步骤，可以生成 m_allTheRules。例如，规则 P{