Question

频繁项集 数据挖掘 数据格式

我想写一个关于中医方剂数据的文章 例如共有一百个方子 每个方子包含若干中药 想要找出某一药对出现的频次（如：某方同时包含A和B俩个药，那么一百个方子中共有多少个包含A和B？），我现在用的是weka，数据格式为（下图1，1代表方剂1，2代表方剂2），这样对不对呢？ 导入后见下图2。但是，用apriori算法，挖出来的是这样的（下图3），是因为我的数据表格式不对吗，是必须要手工一个个地改成000010000那种吗？谢谢大侠了~~





Answer 1

严格来说，中药数据挖掘大部分包括了频率分析、聚类分析、因子分析、关联规则和复杂网络。这些分析，建议你最好整理成0和1的格式。就是一列为一个药物，一行为一个药方，用了这个药标记为1，没用标记为0.假如你实在不会整理，可以每个药方整理到一个单元格里，然后每个药物用逗号隔开，我们也可以处理成0和1格式的！

Answer 2

数据表格式不对。weka没有处理事务表的格式吧？(有大侠知道有的话麻烦指正啊)，事务表格式用spss可以做。SQL转置处理一下或者写个脚本转置一下吧