Apriori 算法的关联规则挖掘在 Weka 上的实战项目，真的蛮适合初学者上手的。你只要有一个结构还算规整的数据集，比如贷款记录那类，就能直接导进去跑出不少有用的规则。像频繁项集的生成、剪枝这些操作，Weka 都封装好了，点点按钮就能出结果，响应也快。
Apriori 算法在挖掘频繁项集上其实挺靠谱的，尤其适合那种字段离散明确的数据集。它每次只往前推进一步，先挖 1 项集，再是 2 项集，直到没得挖为止。关键点在两个操作：一个是连接步，组合候选项集；另一个是剪枝步，利用“子集不频繁则超集必不频繁”这个原则把没用的过滤掉。
Weka 平台界面友好，操作也不复杂。你可以用图形界面拖拽设置参数，也能直接命令行跑批量。比如你导入Loan.asc后，选好Apriori算法，设置下minSupport和minConfidence，点“开始”就能跑。整个过程对新手蛮友好的。
这次我试的是银行借贷数据，字段包括loan_id、account_id和date这些，跑完之后能挖出贷款金额跟期限的关联，比如说“短期贷款大多是小金额”这种，还挺有洞察力的。
顺手推荐几个扩展阅读，像Apriori 算法挖掘频繁项集和Weka 关联规则教程都还不错，看看会更清楚。
如果你手头正好有点离散数据，想练练数据挖掘的手感，不妨把 Weka 和 Apriori 搭配试试。轻松上手，效果还不错。