Lasted Update: Feb. 06, 2006

Association Rule 相關程式範例

Frequent Itemsets

說明：這支程式使用 Apriori 的方法來產生 frequent itemsets，Apriori 為關聯法則最具代表的演算法 [R. Agrawal and R. Srikant, 1994]
程式來源：http://www.ug.cs.usyd.edu.au/~abright/comp5318homework.html
Program Implementation
執行程式及測試資料下載：AdrianBright_apriori
請先進行編譯，編譯時出現的警告訊息可忽略

javac *.java
編譯成功後，即可執行程式，如下：

java ARM [items_file] [transactions_file] [output_file] [min_support_percentage]

eg. java items.txt transactions.txt output.txt 30
執行結果檔：output.txt

說明：很完整的一支程式，使用 Apriori Algorithm。利用參數方式，可彈性選擇輸出 itemsets, closed itemsets, or association rule。
程式來源：http://fuzzy.cs.uni-magdeburg.de/~borgelt/apriori.html
Program Documentation
執行程式及測試資料下載：Christian_apriori
程式執行方式如下 (Usage)

apriori [options] infile outfile

eg. apriori sample.dat sample.rul 　　// 使用預設值執行

eg. apriori -ts sample.dat sample.rul　// 只產生 frequent itemsets

eg. apriori -s60 -c80 sample.dat sample.rul　// set support=60%, confidence=80%
原始程式碼下載：aprioriSrc.zip。內含專案檔，可用 Visual Studio C++ 編譯。
執行結果檔：census.txt

說明：將上述 Apriori 程式所產生出來的關聯規則以表格的方式呈現。
程式來源：http://fuzzy.cs.uni-magdeburg.de/~borgelt/arview.html
執行程式及測試資料下載：Christian_ARView
程式執行：直接雙擊 arview.jar 即可
注意：ARView 需要額外訊息以顯示資料，產生關聯規則是需加上 -gavy 參數，如下：

apriori -gavy sample.dat sample.rul
原始程式碼下載：arviewSrc.zip
執行畫面如圖：ARView.gif

AR Tools (Java)
- 說明：AR Tool 使用 Java 程式語言開發，作者為 Laurentiu Cristofor。其為自由軟體，程式的使用及散佈遵循GNU General Public License。
- 程式來源：http://www.cs.umb.edu/~laur/ARtool/index.html
- Program Implementation
Weka (Java)
- Weka 是一個 open source 計劃，整合許多 machine learning 演算法，並提供友善的 GUI 操作。但在 association rule 部份則只提供了 apriori algorithm。
- 程式來源：http://www.cs.waikato.ac.nz/~ml/weka/index.html

R. agrawal and R. Srikant, "Fast Algorithms for Mining Association Rules," Proc. Int'l Conf. Very Large Data Bases, pp. 487-499, 1994
S. Brin, R. Motwani, J. Ullman and S. Tsur, "Dynamic Itemset Counting and Implication Rules for Market Basket Data," In Proc. of the 1997 ACM-SIGMOD Conf. on Management of Data, pp. 255-264, 1997.
Jiawei Han, Jian Pei and Yiwen Yin, "Mining Frequent Patterns without Candidate Generation," Proc. 2000 ACM-SIGMOD Int. Cnf. Management of Data (SIGMOD'00), PP.1-12, 2000.
劉信義, "使用群聚壓縮樹之高效率關聯法則挖掘法," 中央大學未出版碩士論文, 2004.