Apriori算法实例Weka，R，Python，UsingWekainmyjavacode

学习数据挖掘工具中，下面使用4种工具来对同一个数据集进行研究。

数据描述：下面这些数据是15个同学选修课程情况，在课程大纲中共有10门课程供学生选择，下面给出具体的选课情况，以ARFF数据文件保存，名称为TestStudenti.arff。我使用Apriori算法期望挖掘出学生选课的关联规则。

@relation test_studenti

@attribute Arbori_binari_de_cautare {TRUE, FALSE}
@attribute
Arbori_optimali {TRUE, FALSE}
@attribute Arbori_echilibrati_in_inaltime
{TRUE, FALSE}
@attribute Arbori_Splay {TRUE, FALSE}
@attribute
Arbori_rosu_negru {TRUE, FALSE}
@attribute Arbori_2_3 {TRUE,
FALSE}
@attribute Arbori_B {TRUE, FALSE}
@attribute Arbori_TRIE {TRUE,
FALSE}
@attribute Sortare_topologica {TRUE, FALSE}
@attribute
Algoritmul_Dijkstra {TRUE, FALSE}

@data
TRUE,TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,TRUE,FALSE,FALSE
TRUE,TRUE,TRUE,TRUE,TRUE,TRUE,FALSE,TRUE,FALSE,FALSE
FALSE,TRUE,TRUE,TRUE,FALSE,FALSE,FALSE,TRUE,FALSE,TRUE
FALSE,TRUE,FALSE,FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,FALSE,TRUE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,FALSE
FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE
TRUE,FALSE,TRUE,TRUE,TRUE,FALSE,TRUE,TRUE,TRUE,FALSE
FALSE,TRUE,TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,FALSE,FALSE
TRUE,FALSE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE,TRUE,TRUE,TRUE
TRUE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,TRUE
TRUE,TRUE,TRUE,FALSE,FALSE,TRUE,FALSE,TRUE,FALSE,FALSE
TRUE,TRUE,FALSE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE,FALSE

（一） Weka 使用实例

在Apriori算法中，设置minSupprot=50%, 最小置信度 minimum confidence 也设置为50%。Weka配置路径为
Explore-》Openfile（TestStudenti.arff）->Associate 点击配置参数信息

在算法完成之后，我们得到以下结果：

Best rules found:

1. Sortare_topologica=FALSE 13 ==> Arbori_TRIE=TRUE 13
lift:(1) lev:(0) [0] conv:(0)
2. Arbori_rosu_negru=TRUE 11 ==>
Arbori_TRIE=TRUE 11 lift:(1) lev:(0) [0] conv:(0)
3.
Arbori_optimali=TRUE 10 ==> Arbori_TRIE=TRUE 10 lift:(1)
lev:(0) [0] conv:(0)
4. Arbori_optimali=TRUE 10 ==>
Sortare_topologica=FALSE 10 lift:(1.15) lev:(0.09) [1]
conv:(1.33)
5. Arbori_echilibrati_in_inaltime=TRUE 10 ==>
Arbori_TRIE=TRUE 10 lift:(1) lev:(0) [0] conv:(0)
6.
Arbori_optimali=TRUE Sortare_topologica=FALSE 10 ==> Arbori_TRIE=TRUE 10
lift:(1) lev:(0) [0] conv:(0)
7. Arbori_optimali=TRUE
Arbori_TRIE=TRUE 10 ==> Sortare_topologica=FALSE 10
lift:(1.15) lev:(0.09) [1] conv:(1.33)
8. Arbori_optimali=TRUE 10 ==>
Arbori_TRIE=TRUE Sortare_topologica=FALSE 10 lift:(1.15)
lev:(0.09) [1] conv:(1.33)
9. Arbori_binari_de_cautare=TRUE 9 ==>
Arbori_TRIE=TRUE 9 lift:(1) lev:(0) [0] conv:(0)
10.
Arbori_B=FALSE 9 ==> Arbori_TRIE=TRUE 9 lift:(1) lev:(0)
[0] conv:(0)
11. Arbori_rosu_negru=TRUE Sortare_topologica=FALSE 9 ==>
Arbori_TRIE=TRUE 9 lift:(1) lev:(0) [0] conv:(0)
12.
Arbori_TRIE=TRUE 15 ==> Sortare_topologica=FALSE 13
lift:(1) lev:(0) [0] conv:(0.67)
13. Arbori_rosu_negru=TRUE 11 ==>
Sortare_topologica=FALSE 9 lift:(0.94) lev:(-0.04) [0]
conv:(0.49)
14. Arbori_rosu_negru=TRUE Arbori_TRIE=TRUE 11 ==>
Sortare_topologica=FALSE 9 lift:(0.94) lev:(-0.04) [0]
conv:(0.49)
15. Arbori_rosu_negru=TRUE 11 ==> Arbori_TRIE=TRUE
Sortare_topologica=FALSE 9 lift:(0.94) lev:(-0.04) [0]
conv:(0.49)
16. Sortare_topologica=FALSE 13 ==> Arbori_optimali=TRUE 10
lift:(1.15) lev:(0.09) [1] conv:(1.08)
17.
Arbori_TRIE=TRUE Sortare_topologica=FALSE 13 ==> Arbori_optimali=TRUE 10
lift:(1.15) lev:(0.09) [1] conv:(1.08)
18.
Sortare_topologica=FALSE 13 ==> Arbori_optimali=TRUE Arbori_TRIE=TRUE 10
lift:(1.15) lev:(0.09) [1] conv:(1.08)
19.
Arbori_TRIE=TRUE 15 ==> Arbori_rosu_negru=TRUE 11
lift:(1) lev:(0) [0] conv:(0.8)
20. Sortare_topologica=FALSE 13 ==>
Arbori_rosu_negru=TRUE 9 lift:(0.94) lev:(-0.04) [0]
conv:(0.69)

分析第一条结果，我们可以得出关联规则: 如果一个学生不参加Sortare topologica 课程，那么他的一个趋向是肯定不会参加 Arbori
TRIE课程。这条关联规则的置信度是100%，是非常可信的。

（二） Using Weka in my Javacode 

展示Java代码，运行程序可以得到和上面一样的结果

import java.io.BufferedReader;
import java.io.FileReader;
import
java.io.IOException;
import weka.associations.Apriori;
import
weka.core.Instances;
public class Main{
　　public static void main(String[]
args)　{
　　　　Instances data = null;
　　　　try {
　　　　BufferedReader reader
= new BufferedReader( new FileReader( "TestStudenti.arff" ) );
　　　　data
= new
Instances(reader);
　　　　reader.close();
　　　　data.setClassIndex(data.numAttributes()
- 1);
　　}
　　catch ( IOException e )
{
　　　　e.printStackTrace();
　　}
　　double deltaValue = 0.05;
　　double
lowerBoundMinSupportValue = 0.1;
　　double minMetricValue = 0.5;
　　int
numRulesValue = 20;
　　double upperBoundMinSupportValue = 1.0;
　　String
resultapriori;
　　Apriori apriori = new
Apriori();
　　apriori.setDelta(deltaValue);
　　apriori.setLowerBoundMinSupport(lowerBoundMinSupportValue);
　　apriori.setNumRules(numRulesValue);
　　apriori.setUpperBoundMinSupport(upperBoundMinSupportValue);
　　apriori.setMinMetric(minMetricValue);
　　try{
　　　　apriori.buildAssociations(
data );
　　}
　　catch ( Exception e )
{
　　　　e.printStackTrace();
　　}
　　resultapriori =
apriori.toString();
　　System.out.println(resultapriori);

　　}

}