上傳人：7***

認證信息

認證類型：個人認證

認證主體：雷**（實名認證）

IP屬地：湖北

IP屬地：湖北 上傳時間：2022-02-24 格式：DOC 頁數(shù)：6 大?。?49KB 積分：20 舉報 版權(quán)申訴

1、關(guān)聯(lián)規(guī)則挖掘?qū)嶒灐緦嶒炘怼筷P(guān)聯(lián)規(guī)則挖掘的目的是尋找數(shù)據(jù)之間有趣的關(guān)聯(lián)或聯(lián)系。回顧一下關(guān)聯(lián)規(guī)則挖掘中最經(jīng)典的例子啤酒與尿布的關(guān)聯(lián)。沃爾瑪通過對原始交易數(shù)據(jù)的分析，發(fā)現(xiàn)跟尿布一起購買最多的商品竟是啤酒！調(diào)查顯示，美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。對于隱藏在啤酒和尿布這類表面上風(fēng)馬牛不相及的商品背后的關(guān)聯(lián)，如果不通過數(shù)據(jù)挖掘的技術(shù)，是沒有辦法靠拍腦袋的辦法想出來的。RapidMiner是世界領(lǐng)先的數(shù)據(jù)挖掘解決方案，它以工作流的方式支持各種類型的數(shù)據(jù)挖掘任務(wù)。耶魯大學(xué)已將RapidMiner成功地應(yīng)用在許多不同的應(yīng)用領(lǐng)域，包括文本挖掘，多媒

2、體挖掘，功能設(shè)計，數(shù)據(jù)流挖掘，集成開發(fā)的方法和分布式數(shù)據(jù)挖掘。本實驗將根據(jù)一組人的經(jīng)濟統(tǒng)計數(shù)據(jù)，試圖發(fā)現(xiàn)不同特征間的關(guān)聯(lián)。原始數(shù)據(jù)如下表所示，列出了三個人的特征：是否有車、是否住宿舍公寓、是否住別墅、是否是窮人、是否是中產(chǎn)階級、是否是富人。本實驗希望從這些原始數(shù)據(jù)中發(fā)現(xiàn)這些不同特征間的關(guān)聯(lián)規(guī)則，例如“窮人是否一定不住別墅”、“富人是否一定有車”等。圖3.2-1 實驗使用的原始數(shù)據(jù)【實驗內(nèi)容】使用RapidMiner工具對給定的數(shù)據(jù)進行關(guān)聯(lián)規(guī)則挖掘?qū)嶒?。通過實驗，掌握關(guān)聯(lián)規(guī)則挖掘的原理及RapidMiner工具的用法?！緦嶒炛笇?dǎo)】進入Windows實驗臺，打開RapidMiner工具一 創(chuàng)建新工

3、程點擊New進入RapidMiner 5主界面，準備創(chuàng)建新工程，界面如下圖：圖3.2-2 準備創(chuàng)建新工程二 導(dǎo)入待處理數(shù)據(jù)在左側(cè)的Repository Access下面找到Retrieve組件，將其拖到Process區(qū)，如下圖所示：圖3.2-3 新建數(shù)據(jù)訪問結(jié)點選中Retrieve結(jié)點，在右側(cè)的repository entry處，單擊打開文件圖標，選擇Transactions數(shù)據(jù)表后點擊OK，如下圖所示：圖3.2-4 選擇導(dǎo)入的數(shù)據(jù)點擊菜單中的保存按鈕，保存當(dāng)前工程，會彈出如下圖所示的提示框來選擇保存位置，例如選擇“NewLocalRepository”，保存為test，然后點擊OK完成保存。

4、圖3.2-5 保存當(dāng)前工程三 對原始數(shù)據(jù)進行二值化在左側(cè)的Data Transformation下面的Type Conversion下找到Nominal to Binominal組件，將其拖到Process區(qū)，并用鼠標從Retrieve結(jié)點右側(cè)的out處畫線到Nominal to Binominal左側(cè)的exa處（畫線方法：在起點按下鼠標不放，移動到終點后松開鼠標），看到提示后點Ok，選中Nominal to Binominal，然后在右側(cè)勾選“transform binominal”，如下圖：圖3.2-6 增加二值化數(shù)據(jù)轉(zhuǎn)換結(jié)點四 按屬性過濾在左側(cè)的Data Transformation下面

5、的Attribute Set Reduction and Transformation下的Select下找到Select Attributes組件，將其拖到Process區(qū)，并保證Nominal to Binominal右側(cè)的exa連接到Select Attributes左側(cè)的exa處，然后在右側(cè)選擇過濾類型為“regular_expression”，regular expression處填寫“.*true.*”，如下圖：圖3.2-7增加屬性過濾結(jié)點五 生成頻繁子項，為關(guān)聯(lián)規(guī)則生成做準備在左側(cè)的Modeling下面的Association and Item Set Mining下的FP-Gro

6、wth組件，將其拖到Process區(qū)，并用鼠標從Select Attributes結(jié)點右側(cè)的exa處畫線到FP-Growth左側(cè)的exa處，看到提示后點Ok，如下圖：圖3.2-8 增加頻繁子項生成結(jié)點六 生成關(guān)聯(lián)規(guī)則在左側(cè)的Modeling下面的Association and Item Set Mining下的Create Association Rules組件，將其拖到Process區(qū)，并用鼠標從FP-Growth結(jié)點右側(cè)的fre處畫線到Create Association Rules左側(cè)的ite處，看到提示后點Ok，如下圖：圖3.2-9 增加關(guān)聯(lián)規(guī)則生成結(jié)點七 運行工程點擊菜單中的運行按鈕，看到提示框后一路點Yes，可看到下圖的運行結(jié)果頁面。圖3.2-10 運行結(jié)果界面切換到“AssociationRules(Create Association Rules)”頁面，可以看到從原始數(shù)據(jù)中挖掘出的各條關(guān)聯(lián)規(guī)則。例