我的目标是制定关于诊断数据的重要规则。
我以arff稀疏格式预处理我的数据集;我有116000个实例和28个属性。 我在weka中应用Apriori算法（使用weka explorer界面）
Apriori -N 20 -T 1 -C 0.8 -D 0.05 -U 1.0 -M 0.1 -M 0.1 -S -1.0 -c -1
该算法似乎需要很长时间才能完成。 目前有三个多小时等待结束。
是正常的吗？有一种方法可以加速算法（以其他方式预处理数据，或为Apriori选择一些其他参数）？或weka不是这个维度的正确工具？
答案 0 :(得分：0)
您可以对数据集进行二次采样或分区，并在每个分区或其中一些分区上运行Apriori算法，然后合并获得的规则。
某些算法可能需要很长时间才能完成，并且与几个因素（num实例，num属性，属性的tipe）成比例，这取决于算法（空间和时间计算复杂性）。除了Java之外，Weka并不是特别快，它也不像其他编译语言那么快。
有时，由于提到的comp，在数据集的小得多的分区上运行几次算法会更快。复杂性。
例如，如果您的算法需要的时间与实例数的平方成比例， cN ^ 2 ，则运行速度比10倍小的分区快10倍， 10C（（N ^ 2）/（10 ^ 2））= 0.1C（N ^ 2）
希望有所帮助。
答案 1 :(得分：0)
Weka像许多其他数据挖掘库一样，只提供两种最着名的算法：Apriori和FPGrowth。 Apriori是一种古老的算法，因效率低而众所周知。此外，Apriori和FPGrowth的Weka实现都很慢。
如果你想要更好的Java实现和更多的算法，你可以检查SPMF open-source data mining library（我是创始人），它提供了最大的模式挖掘算法集合（超过110种算法）。对于项目集挖掘，它提供Apriori和FPGrowth以及许多其他算法，如Eclat（2000）HMine（2005），LCM（FIMI 2004竞赛中最快）和一些较新的如FIN（2014），PrePost（2014）和Prepost +（2015），可以比以前的算法更快。此外，它还提供了这些算法的许多变体，例如挖掘稀有项目集，相关项目集，高效用项目集，不确定数据中的项目集，关联规则，封闭模式，顺序模式，顺序规则等。
网站上有一些性能评估表明，SPMF实现比Apriori / FPGrowth的Weka快得多。