我几天前开始从事机器学习项目，我遇到以下情况：
我有一个行程数据库（行程是一组目的地，作为行程的一部分一起选择），我想确定一个目的地是否将被选为其他选定目的地的旅行的一部分。这是一个例子，假设A，B，C，D是目的地：
A, B -> C
A, D, C -> B
我认为这是一个推荐系统问题，我研究了解决方案的技术。
我尝试使用WEKA的Apriori和FPGrowth但我无法生成结果，因为我有91个项目和12,000个事务（因此，这是一个包含91列和12,000行，TRUE和FALSE值的ARFF文件）和该程序永远不会结束，也不会消耗超过5 GB的RAM（我等待30小时的算法在Core i7 last gen和12GB RAM PC上运行）。此外，我没有看到任何选项只选择值为TRUE的规则作为暗示（我需要这个，因为我想知道是否有人会前往X，因为其他人前往Y. / p>
那么，有没有其他技术或方法可以用来实现我期待的结果？我希望输出一个带有“规则”的文件或“暗示”另一组项目的项目集，以及“推荐”的概率。
示例：
A, B -> C ; 90%
verbose: "People who travel to Rome and Florence travel to Milan with a probability (or other measure) of 90%"
谢谢！
答案 0 :(得分：1)
实施Apriori算法的某些事情似乎并不合适。尝试使用Apriori算法的另一种实现或检查当前的实现。出于声明的目的，在目的地之间生成关联规则是Apriori或更快的FP-Growth算法就好了。也许这有助于大致理解：R - association rules - apriori
答案 1 :(得分：0)
实际上，Weka中的实现效率很低。您可以查看 SPMF data mining library in Java, ，它可以为模式挖掘提供高效的算法实现。它实际上有超过100种算法，包括Apriori，FPGrowth和许多其他算法。我建议使用 FPGrowth ，它非常快且内存效率很高。但你也可以检查其他算法。顺便说一下，我是图书馆的创始人。