关联规则的挖掘，用在体检数据上其实还挺合适的。尤其是用WEKA跑Apriori的时候，那种从一堆数据中扒出健康线索的感觉，蛮像玩侦探的。你只要把体检中心的数据稍微清洗一下，比如字段统一下格式，再喂进 WEKA，基本就能跑出一些有意思的结果，比如“高血压”经常和“BMI 偏高”一起出现，这种规则还挺有参考价值的。

前的数据要注意点，别急着丢进去挖，先用数据变换搞定清洗和格式转换，尤其是字段命名和缺失值这块，不然容易让挖掘结果失真。跑Apriori的话，默认参数就能出点东西，但建议你多调调支持度和置信度，调对了，结果才有价值。

这篇文章里的案例就比较典型，用体检数据挖出了症状之间的关联，像“经常头晕”和“血糖偏高”有一定联系，对搞健康 cRM 的朋友来说，完全可以拿去做用户标签的模型参考。

要是你想上手试试，下面这些链接蛮实用的：从WEKA 教程到Apriori 优化都有——你可以先看看 WEKA 的操作方法，再试着跑几组规则，挺快能上手。

如果你是第一次用 WEKA，不妨直接用文章里提到的Apriori 算法跑一遍，参数调一调，看看结果是不是符合预期，再慢慢进阶也不迟。