含代码，处理过数据文件，结果文件整理，以及详细报告近一万字。 这是我的期末大报告，完全是自己写的，可以按需下载。其中关于实现的过程描述方法详实，步骤详细，形式多样。数据来自Kaggle。 含有1. 绪论，2. 相关理论与技术，3. FP-growth算法关联规则分析算法，4. 结论5. 课程体会。 这次我的选题便是从关联规则视角出发，以使公司能够最大化下一次营销活动的利润为立足点，建立了基于FP-Growth的营销策略关联规则分析算法，并从宏观角度提出将营销活动与客户的个人特征与选择相结合的最大化下一次营销活动的利润营销策略。

数据表+源码+报告 大三数据挖掘实验

人工智能-机器学习-关联规则分析-Apriori算法实例-挖掘电影导演的关联规则

该数据是Data Castle提供的一组比赛数据，分为两组，分别是训练集和测试集，每一组都包含大约1万名学生的信息纪录。 #数据主要包括： 图书借阅数据borrow_train.txt和borrow_test.txt； 一卡通数据card_train.txt和card_test.txt； 寝室门禁数据dorm_train.txt和dorm_test.txt； 图书馆门禁数据library_train.txt和library_test.txt； 学生成绩数据score_train.txt和score_test.txt； 助学金获奖数据subsidy_train.txt和subsidy_test.txt 目的是根据学生的行为记录数据和助学金数据，探究学生的行为活动（日常生活是否规律，勤奋程度）和成绩之间是否有某种联系。

机器学习与算法源代码15： 关联规则分析-Apriori模型.zip

根据Orange3包对数据进行关联规则分析，生成“规则”，“项集出现的数目”，“置信度”，“覆盖度”，“力度”，“提升度”，“利用度”记录并返回到excel表中。

阐述了关联规则算法的基本原理，并利用事务数据库中的销售数据和SQL Server 2008 Data Mining Add-Ins for Microsoft office 2007工具挖掘顾客购买的商品之间各种有趣联系，帮助商家制定营销策略，最终向每个顾客提供一组正确的推荐信息，从而改善客户的购物体验，增加总的销售额。

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域，而在其他领域里面应用不是很多，如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据，对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。

基于日志的关联规则分析方法之计算机研究.docx

目的探讨肥胖程度与常见慢性病之间的关联关系,为常见慢病的预防和管理提供大数据支撑。方法基于社区公共卫生系统数据集,通过使用Apriori关联规则算法挖掘高血压、冠心病、糖尿病这3种常见慢病与肥胖程度(超重或肥胖)之间的关联关系,并根据关联规则的支持度、置信度和提升度评价肥胖程度对发生常见慢病的影响。结果共对196 554名居民的健康数据进行分析,高血压的患病率(48.6%)明显高于冠心病(22.9%)和糖尿病(20.3%),51.0%的人至少患有其中一种慢病,10.6%的人同时患有该3种慢病。关联规则分析结果显示,超重与高血压、冠心病之间均有强关联性,肥胖与高血压之间也有强关联性,而糖尿病与体