算法屬性設置：
1.car：如果設爲真，則會挖掘類關聯規則而不是全局關聯規則。
2.classindex： 類屬性索引。如果設置爲-1，最後的屬性被當做類屬性。
3.delta： 以此數值爲迭代遞減單位。不斷減小支持度直至達到最小支持度或產生了滿足數量要求的規則。
4.lowerBoundMinSupport： 最小支持度下界。
5.metricType： 度量類型，設置對規則進行排序的度量依據。可以是：置信度（類關聯規則只能用置信度挖掘），提升度(lift)，槓桿率(leverage)，確信度(conviction)。
在 Weka中設置了幾個類似置信度(confidence)的度量來衡量規則的關聯程度，它們分別是：
a)Lift ： P(A,B)/(P(A)P(B)) Lift=1時表示A和B獨立。這個數越大(>1)，越表明A和B存在於一個購物籃中不是偶然現象,有較強的關聯度.
b)Leverage :P(A,B)-P(A)P(B)
Leverage=0時A和B獨立，Leverage越大A和B的關係越密切
c) Conviction:P(A)P(!B)/P(A,!B) （!B表示B沒有發生） Conviction也是用來衡量A和B的獨立性。從它和lift的關係（對B取反，代入Lift公式後求倒數）可以看出，這個值越大, A、B越關聯。
6.minMtric ：度量的最小值。
7.numRules： 要發現的規則數。
8.outputItemSets： 如果設置爲真，會在結果中輸出項集。
9.removeAllMissingCols： 移除全部爲缺省值的列。
10.significanceLevel ：重要程度。重要性測試（僅用於置信度）。
11.upperBoundMinSupport： 最小支持度上界。 從這個值開始迭代減小最小支持度。
12.verbose： 如果設置爲真，則算法會以冗餘模式運行。
=== Run information ===
%運行信息
Scheme: weka.associations.Apriori -I -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.1 -S -1.0 -c -1
% 算法的參數設置：-I -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.5 -S -1.0 -c -1 ;
% 各參數依次表示：
% I - 輸出項集，若設爲false則該值缺省;
% N 10 - 規則數爲10;
% T 0 – 度量單位選爲置信度，(T1-提升度，T2槓桿率，T3確信度);
% C 0.9 – 度量的最小值爲0.9;
% D 0.05 - 遞減迭代值爲0.05;
% U 1.0 - 最小支持度上界爲1.0;
% M 0.5 - 最小支持度下屆設爲0.5;
% S -1.0 - 重要程度爲-1.0;
% c -1 - 類索引爲-1輸出項集設爲真
% (由於car, removeAllMissingCols, verbose都保持爲默認值False，因此在結果的參數設置爲缺省，若設爲True，則會在結果的參數設置信息中分別表示爲A, R,V)
Relation: mushroom %數據名稱
Instances: 8124 %數據項個數
Attributes: 23 %屬性項個數/屬性項
cap-shape
cap-surface
cap-color
bruises?
odor
gill-attachment
gill-spacing
gill-size
gill-color
stalk-shape
stalk-root
stalk-surface-above-ring
stalk-surface-below-ring
stalk-color-above-ring
stalk-color-below-ring
veil-type
veil-color
ring-number
ring-type
spore-print-color
population
habitat
class
=== Associator model (full training set) ===
Apriori
=======
Minimum support: 0.95 (7718 instances) %最小支持度0.95，即最少需要7718個實例
Minimum metric <confidence>: 0.9 %最小度量<置信度>: 0.9
Number of cycles performed: 1 %進行了1輪搜索
Generated sets of large itemsets:
%生成的頻繁項集
Size of set of large itemsets L(1): 3 %頻繁1項集：3個
Large Itemsets L(1): %頻繁1項集(outputItemSets設爲True, 因此下面會具體列出)
gill-attachment=f 7914
veil-type=p 8124
veil-color=w 7924
Size of set of large itemsets L(2): 3
Large Itemsets L(2): %頻繁2項集
gill-attachment=f veil-type=p 7914
gill-attachment=f veil-color=w 7906
veil-type=p veil-color=w 7924
Size of set of large itemsets L(3): 1
Large Itemsets L(3): %頻繁3項集
gill-attachment=f veil-type=p veil-color=w 7906
Best rules found: %最佳規則
1. veil-color=w 7924 ==> veil-type=p 7924 conf:(1)
2. gill-attachment=f 7914 ==> veil-type=p 7914 conf:(1)
3. gill-attachment=f veil-color=w 7906 ==> veil-type=p 7906 conf:(1)
4. gill-attachment=f 7914 ==> veil-color=w 7906 conf:(1)
5. gill-attachment=f veil-type=p 7914 ==> veil-color=w 7906 conf:(1)
6. gill-attachment=f 7914 ==> veil-type=p veil-color=w 7906 conf:(1)
7. veil-color=w 7924 ==> gill-attachment=f 7906 conf:(1)
8. veil-type=p veil-color=w 7924 ==> gill-attachment=f 7906 conf:(1)
9. veil-color=w 7924 ==> gill-attachment=f veil-type=p 7906 conf:(1)
10. veil-type=p 8124 ==> veil-color=w 7924 conf:(0.98)
