规则生成

可以指定选项将决策树转换成规则集： 规则集名称：指定新生成规则集节点的名称 创建节点位置：选择新生成规则集节点的位置，可以选择工作区、GM选项板或两者 最小实例数：指定生成的规则集中保存的规则的最小实例数，低于指定值的规则将不显示 最低置信度：指定形成的规则集中保存的规则的最低置信度，低于指定值的规则将不显示

生成的规则集汇总页签整理了规则集模型生成的结果，以方便进一步分析和使用。

利用遗传算法优化数据挖掘算法，提高信息挖掘效率。

本内容适合于数据挖掘方向的硕士研究生阅读学习，对关联规则与动态关联规则做了简介。

生成规则集模型的节点代表了由关联规则建模节点(Apriori or GRI)，或生成C5.0节点，或C&RT节点发现的规则，用于预测特定输出字段。未精炼的规则节点生成的规则集节点可以在流中生成预测。用户可通过图标将规则集节点模型加入流中，并通过右键点击流选择节点放置位置。连接数据后，用户可以使用规则集节点模型进行预测，输入数据需与训练数据相同。执行包含规则集节点的流时，该节点将添加两个新字段，存放预测值和置信度。关联规则集的预测字段前缀为$A-，置信字段前缀为$AC-。C5.0规则集的预测字段前缀为$C-，置信字段前缀为$CC-。C&RT规则集的预测字段前缀为$R-，置信度字段前缀为$RC-。

选择“排序规则设置”。

本规则用于优化Oracle语句，提高检索速度和语句合理性，减少系统运行时间。

关联规则挖掘该研究概述了关联规则挖掘技术的定义、分类、挖掘方法和模式。分析了关联规则挖掘质量的改善问题和领域应用。

存储过程创建规则 存储过程中引用的对象必须预先存在。 禁止在存储过程中创建同名存储过程。 存储过程参数数量上限为 255 个。 存储过程无法执行以下语句：create procedure, rule, view。 存储过程创建文本长度不得超过 64kb。

挖掘多层关联规则可找出层次化的关联规则，例如： 牛奶 → 面包 [20%, 60%] 酸奶 → 黄面包 [6%, 50%]