Apriori has some further parameters

Apriori has some further parameters. If significanceLevel is set to a value between
0 and 1, the association rules are filtered based on a χ2 test with the chosen significance
level. However, applying a significance test in this context is problematic
because of the multiple comparison problem: If a test is performed hundreds of times
for hundreds of association rules, it is likely that significant effects will be found
just by chance—that is, an association seems to be statistically significant when
really it is not. Also, the χ2 test is inaccurate for small sample sizes (in this context,
small support values).
There are alternative measures for ranking rules. As well as confidence, Apriori
supports lift, leverage, and conviction, which can be selected using metricType. More
information is available by clicking More in the Generic Object Editor window.
Exercise 17.6.3. Run Apriori on the weather data with each of the four
rule-ranking metrics, and default settings otherwise. What is the top-ranked
rule that is output for each metric?

ผลลัพธ์ (ไทย) 1:

Apriori มีบางพารามิเตอร์เพิ่มเติม ถ้า significanceLevel ถูกตั้งค่าเป็นค่าระหว่าง
0 และ 1 สมาคมที่ถูกกรองตามการทดสอบ χ2 มีความสำคัญท่าน
ระดับ อย่างไรก็ตาม ใช้การทดสอบนัยสำคัญในบริบทนี้เป็นปัญหา
เนื่องจากปัญหาเปรียบเทียบหลาย: ถ้าการทดสอบ ดำเนินการหลายร้อยเท่า
ร้อยสมาคม ก็มีแนวโน้มว่า จะพบลักษณะสำคัญ
เพียงบังเอิญ — นั่นคือ ความสัมพันธ์น่าจะ เป็นอย่างมีนัยสำคัญทางสถิติเมื่อ
จริง ๆ ไม่ ยัง ทดสอบ χ2 จะไม่ถูกต้องสำหรับขนาดตัวอย่างขนาดเล็ก (ในบริบทนี้,
สนับสนุนเล็กค่า) .
มีมาตรการอื่นสำหรับกฎการจัดอันดับ และความเชื่อมั่น Apriori
สนับสนุนยก ยกระดับ และความเชื่อ มั่น ซึ่งสามารถเลือกใช้ metricType เพิ่มเติม
ข้อมูลว่างเปล่ามากขึ้นในการแก้ไขวัตถุทั่วไปหน้าต่าง
กาย 17.6.3 เรียกใช้ข้อมูลสภาพอากาศด้วยสี่ Apriori
กฎการจัดอันดับวัด และค่าอื่น ๆ สิ่งที่อันดับ
กฎที่มีผลผลิตในแต่ละวัดหรือไม่

ผลลัพธ์ (ไทย) 3:

เริ่มต้น 0.1 ) - เพราะกฎโดยทั่วไปจะไม่น่าสนใจหากพวกเขาใช้ให้น้อยกว่า 10 %
ของข้อมูล . เหล่านี้สี่ค่าทั้งหมดที่ระบุโดยผู้ใช้ .
เสียงนี้ค่อนข้างซับซ้อนดังนั้นเราจะตรวจสอบสิ่งที่เกิดขึ้นกับข้อมูลสภาพอากาศ

การ associator ผลผลิตพื้นที่ข้อความที่แสดงขั้นตอนวิธีการจัดการเพื่อสร้าง
10 กฎ นี้จะขึ้นอยู่กับระดับความเชื่อมั่นต่ำสุด 0.9 ,มันเป็นโอกาสที่ความสัมพันธ์จะพบ
บังเอิญ นั่นคือความสัมพันธ์ที่ดูเหมือนว่าจะแตกต่างกันเมื่อ
จริงๆมันไม่ได้เป็น นอกจากนี้ χ 2 ทดสอบไม่ถูกต้องสำหรับขนาดตัวอย่างขนาดเล็ก ( ในบริบทสนับสนุนค่า

เล็ก ) มีมาตรการทางเลือกสำหรับกฎการจัดอันดับ ตลอดจนความเชื่อมั่น aPriori
สนับสนุนยก ยกระดับ และความเชื่อมั่นซึ่งสามารถเลือกใช้ metrictype . ข้อมูลเพิ่มเติมสามารถใช้ได้โดยการคลิกมากขึ้น
ทั่วไปวัตถุในหน้าต่างแก้ไข .
ออกกำลังกาย 17.6.3 . วิ่งแบบบนอากาศ ข้อมูลแต่ละข้อ
กฎการจัดอันดับเมตริก และเริ่มต้นการตั้งค่าเป็นอย่างอื่น อะไรคืออันดับ
กฎจะออกสำหรับแต่ละตัวชี้วัด ?