⑴ 怎麼用SmartMining進行關聯分析
有一份數據
數據清洗與數據准備
成生頻繁項集欄位
使用Apriori訓練規則
得到關聯分析結果
結果分析
大概過程如此，兩種方法實現，一是可以通過語言編程實現，二是可以使用軟體自帶的封裝演算法實現。
⑵ 高分求公司名稱信息聚類關聯分析演算法思路
我們公司每天要導入大量有關公司名稱的銷售信息。 希望能有程序對這些信息進行處理。 1。 自動進行有用關鍵詞分類 如：含有如下公司名稱信息
北京某公司東城葯店 北京某公司西城葯店 北京某公司東城經銷處
系統能自動找到它們之間的共同點：即： 北京某公司，統計出 北京某公司 3， 葯店 2 東城 2
有什麼工具能快速進行這方面的數據挖掘嗎？ 有什麼好的演算法或詳細思路能完成這項工作呢？最好能用SQL存儲過程就能實現。 因為數據是實時動態，量很大，幾十萬條吧。
⑶ 簡述一種關聯規則挖掘演算法基本過程。《數據挖掘》作業題追分100
Apriori演算法是一種發現頻繁項集的基本演算法。演算法使用頻繁項集性質的先驗知識。Apriori演算法使用一種稱為逐層搜索的迭代方法，其中K項集用於探索(k+1)項集。首先，通過掃描資料庫，累計每個項的計數，並收集滿足最小支持度的項，找出頻繁1項集的集合。該集合記為L1.然後，使用L1找出頻繁2項集的集合L2，使用L2找到L3，如此下去，直到不能再找到頻繁k項集。
Apriori演算法的主要步驟如下：
(1)掃描事務資料庫中的每個事務，產生候選1．項集的集合Cl；
(2)根據最小支持度min_sup，由候選l-項集的集合Cl產生頻繁1一項集的集合Ll；
(3)對k=l；
(4)由Lk執行連接和剪枝操作，產生候選(k+1)．項集的集合Ck+l-
(5)根據最小支持度min_sup，由候選(k+1)一項集的集合Ck+l產生頻繁(k+1)-項
集的集合Lk+1．
(6)若L⋯≠①，則k．k+1，跳往步驟(4)；否則，跳往步驟(7)；
(7)根據最小置信度min_conf,由頻繁項集產生強關聯規則，結束。
⑷ 關聯分析，數據分析，k演算法中任選其一，寫 不少於1000字的文章
自己動手！豐衣足食！
⑸ 灰色關聯分析方法的公式是什麼
灰色關聯分析理論及方法
對於兩個系統之間的因素，其隨時間或不同對象而變化的關聯性大小的量度，稱為關聯度。在系統發展過程中，若兩個因素變化的趨勢具有一致性，即同步變化程度較高，即可謂二者關聯程度較高；反之，則較低。因此，灰色關聯分析方法，是根據因素之間發展趨勢的相似或相異程度，亦即「灰色關聯度」，作為衡量因素間關聯程度的一種方法[16]。灰色系統理論提出了對各子系統進行灰色關聯度分析的概念，意圖透過一定的方法，去尋求系統中各子系統（或因素）之間的數值關系。因此，灰色關聯度分析對於一個系統發展變化態勢提供了量化的度量，非常適合動態歷程分析。
灰色系統關聯分析的具體計算步驟如下[17]：
（1）確定反映系統行為特徵的參考數列和影響系統行為的比較數列
反映系統行為特徵的數據序列，稱為參考數列。影響系統行為的因素組成的數據序列，稱比較數列。
（2）對參考數列和比較數列進行無量綱化處理
由於系統中各因素的物理意義不同，導致數據的量綱也不一定相同，不便於比較，或在比較時難以得到正確的結論。因此在進行灰色關聯度分析時，一般都要進行無量綱化的數據處理。
（3）求參考數列與比較數列的灰色關聯系數ξ（Xi）
所謂關聯程度，實質上是曲線間幾何形狀的差別程度。因此曲線間差值大小，可作為關聯程度的衡量尺度。對於一個參考數列X0有若干個比較數列X1, X2,…, Xn，各比較數列與參考數列在各個時刻（即曲線中的各點）的關聯系數ξ（Xi）可由下列公式算出：
其中 ζ為分辨系數，0＜ζ＜1。
是第二級最小差，記為Δmin。 是兩級最大差，記為Δmax。
為各比較數列Xi曲線上的每一個點與參考數列X0曲線上的每一個點的絕對差值。記為Δoi(k)。所以關聯系數ξ（Xi）也可簡化如下列公式：
（4）求關聯度ri
因為關聯系數是比較數列與參考數列在各個時刻（即曲線中的各點）的關聯程度值，所以它的數不止一個，而信息過於分散不便於進行整體性比較。因此有必要將各個時刻（即曲線中的各點）的關聯系數集中為一個值，即求其平均值，作為比較數列與參考數列間關聯程度的數量表示，關聯度ri公式如下：
（5）排關聯序
因素間的關聯程度，主要是用關聯度的大小次序描述，而不僅是關聯度的大小。將m個子序列對同一母序列的關聯度按大小順序排列起來，便組成了關聯序，記為{x}，它反映了對於母序列來說各子序列的「優劣」關系。若r0i>r0j，則稱{xi}對於同一母序列{x0}優於{xj}，記為{xi}>{xj} ；若r0i表1 代表旗縣參考數列、比較數列特徵值。
⑹ 什麼是數據挖掘中的關聯分析
FineBI數據挖掘的結果將以欄位和記錄的形式添加到多維資料庫中，並可以在新建分析時從一個專門的數據挖掘業務包中被使用，使用的方式與拖拽任何普通的欄位沒有任何區別。
配合FineBI新建分析中的各種控制項和圖表，使用OLAP的分析人員可以輕松的查看他們想要的特定的某個與結果，或是各種各樣結果的匯總。
⑺ 關聯分析 分析在哪些情況下，一種演算法比其他演算法好
灰色關聯度分析法是一種多因素統計分析方法，它是以各因素的樣本數據為依據用灰色關聯度來描述因素間關系的強弱、大小和次序，若樣本數據反映出的兩因素變化的態勢(方向、大小和速度等)基本一致，則它們之間的關聯度較大