WEKA 中的先验

Posted 2023-03-23

【中文标题】WEKA 中的先验

【英文标题】：Apriori in WEKA

【发布时间】：2017-04-06 18:21:47

【问题描述】：

我对所有这些数据挖掘、WEKA 工具等都是新手，

在我的学术项目中，我必须处理错误报告。我的 SQL Server 中有它们。我采用了错误摘要属性并应用了标记化、停用词删除和词干提取技术。

摘要中的所有词干都存储在数据库中；分开。现在我必须应用频繁模式挖掘算法，并使用WEKA工具找出频繁项集。我有这样的 arff 文件。

@relation ItemSets

@attribute bugid integer
@attribute summary string

@data
755113,enhanc;keep;log;recommend;share
759414,access;review;social
763806,allow;intrus;less;provid;shrunken;sidebar;social;specifi
767221,datacloneerror;deeper;dig;framework;jsm
771353,document;integr;provid;secur;social
785540,avail;determin;featur;method;provid;social;whether
785591,chat;dock;horizont;nest;overlap;scrollbar
787767,abus;api;implement;perform;runtim;warn;worker

在 Weka 中打开它后，在 WEKA Explorer 的 Associate 选项卡下，我无法在选择 Apriori 的情况下启动进程（开始按钮已禁用）。

现在请建议我如何使用 WEKA 在摘要属性上查找频繁项集。我需要认真的帮助。帮助将不胜感激。提前致谢！

【参考方案1】：

Apriori 无法在 Weka 中使用您的文件的原因是 Apriori 仅允许名义属性值。你想找到什么样的规则？你能举一个你想获得的规则的例子吗？

values_you_want_to_be_the_antecedent_part_of_your_rule ==> values_you_want_to_be_the_consequent_part_of_your_rule

像这样将你的属性更改为名义上的

@relation ItemSets

@attribute bugid 755113, 759414, 763806
@attribute summary 'enhanc;keep;log;recommend;share', 'access;review;social', 'allow;intrus;less;provid;shrunken;sidebar;social;specifi'

@data
755113,'enhanc;keep;log;recommend;share'
759414,'access;review;social'
763806,'allow;intrus;less;provid;shrunken;sidebar;social;specifi'

只会给你这样的规则

bugid=755113 1 ==> summary=enhanc;keep;log;recommend;share 1    <conf:(1)> lift:(3) lev:(0.22)

如果您在摘要词中寻找频繁项集，则 bugid 无关紧要，您可以将其从文件中删除。 Apriori 用于获取关联规则，例如enhanc, keep 为 log 提供支持 X 和置信度 Y。要查找频繁项集，您需要重组数据，以便每个摘要词都是具有值 true/false 或 true/missing 的属性，请参阅this 问题。

在 Weka 中尝试以下文件。选择 Associate，选择 Apriori，双击选择按钮旁边的白色输入字段。在那里，将 outputItemSets 设置为 true。在控制台输出中，您将看到所有频繁项集和所有获得的具有足够支持的规则。

@relation ItemSets

@attribute enhanc true
@attribute keep true
@attribute log true
@attribute recommend true
@attribute share true
@attribute access true
@attribute review true
@attribute social true
@attribute allow true
@attribute intrus true
@attribute less true
@attribute provid true
@attribute shrunken true
@attribute sidebar true
@attribute specifi true


@data
true,true,true,true,true,?,?,?,?,?,?,?,?,?,?
?,?,?,?,?,true,true,true,?,?,?,?,?,?,?
?,?,?,?,?,?,?,true,true,true,true,true,true,true,true

问号? 表示缺失值。

【讨论】：

我只想要给定支持计数和置信度的频繁项集。此外，我不能选择名义属性，因为我的 bugid 是自动递增的，并且摘要不能来自特定的一组属性。它可以是由任意数量的单词组成的任意字符串。

您能否举一个您想要获得的规则示例，如我编辑的答案中所示？

enhanc,browser,js like that I want 2 item set three item set etc.

但我们不能指望摘要中的文字。用户可以给出任何类型的词。所以形成这些属性是困难的。 Apriori 不是强制性的。频繁模式挖掘中的任何算法。就像 FP 增长一样。

你想要达到什么目的？请描述场景。除非您提供更多信息，否则我无法帮助您。