數(shù)據(jù)挖掘 主題：第六章作業(yè)

1、本科生實驗報告實驗課程 數(shù)據(jù)挖掘 學院名稱 信息科學與技術學院 專業(yè)名稱 計算機科學與技術 學生姓名 代星 學生學號 201413030317 指導教師 實驗地點 實驗成績 二一六 年 11 月 二一六 年 11 月第1章 實驗內(nèi)容 使用心臟病患者數(shù)據(jù)集（CardiologyNumerical.arff）的前兩百個實例進行反向傳播學習訓練，剩余的103個實例作為檢驗集實例進行模型檢驗。改變網(wǎng)絡結構和參數(shù)，使之達到更為理想的檢驗及效果。第2章 實驗目的 對心臟病患者數(shù)據(jù)集中的數(shù)據(jù)用反向傳播學習訓練方法進行分類，查看分類的效果。并通過改變網(wǎng)絡的結構和參數(shù)，使分類效果更加理想。第3章 算法思想 BP

2、算法是一種有監(jiān)督式的學習算法，其主要思想是：輸入學習樣本，使用反向傳播算法對網(wǎng)絡的權值和偏差進行反復的調(diào)整訓練，使輸出的向量與期望向量盡可能地接近，當網(wǎng)絡輸出層的誤差平方和小于指定的誤差時訓練完成，保存網(wǎng)絡的權值和偏差。具體步驟如下：（1）初始化，隨機給定各連接權w,v及閥值i，rt。（2）由給定的輸入輸出模式對計算隱層、輸出層各單元輸出。（3）選取下一個輸入模式對返回第2步反復訓練直到網(wǎng)絡設輸出誤差達到要求結束訓練。第4章 實驗過程4.1數(shù)據(jù)準備 從網(wǎng)上下載數(shù)據(jù)集，生成.csv文件，加載到Weka。4.2 建立神經(jīng)網(wǎng)絡結構1、在Weka Explorer中切換到Classify選項卡，單擊C

3、lassify窗口的Choose按鈕，選擇分類器MultilayerPerceptron，即基于BP學習算法的多層前饋神經(jīng)網(wǎng)絡。2、在Choose按鈕右邊的文本框點擊，打開分類器的屬性設置對話框，將GUi設置為true，使得在訓練前，可查看包含神經(jīng)網(wǎng)絡體系結構的GUI界面，并可交互式地修改結構和設置其他參數(shù)，且可以在網(wǎng)絡訓練過程中暫停，進行結構和參數(shù)的反復修改。在屬性設置對話框中，設置hiddenLayers為“5,3”，表示有兩個隱層，分別有5個和3個隱層節(jié)點；設置learning-Rate為0.5，trainingTime為5000.3、單擊OK按鈕，回到Weka Explorer的Cla

4、ssifier窗口，在測試集的選擇上題目要求前兩百個數(shù)據(jù)作為實例，最后103個作為檢驗集，設置Test Options為Percentage split（取實例個數(shù)的百分比作為檢驗集），并設置為34%滿足題目要求。單擊More options按鈕，打開Classifier evaluation options對話框，選中Output復選框，以確保在輸出中能夠看到檢驗集的分類情況。4、單擊start按鈕，開始神經(jīng)網(wǎng)絡的訓練過程。彈出神經(jīng)網(wǎng)絡的GUI界面，單擊start按鈕，執(zhí)行訓練，并選擇accept訓練結果。5、修改參數(shù)，重復上述步驟，重新實驗，并對比實驗結果。 第5章 實驗結果實驗一：全部作

5、為實例此實驗實例個數(shù)為303，分類正確率只有61.3362%，較低。實驗二：前200作為實例，剩余103作為檢驗集此實驗實例個數(shù)為200個，分類正確率為98.5273%，比之前經(jīng)所有數(shù)據(jù)全部作為實例的正確率大大提高，并且按照題意，將此實驗作為之后實驗的對照。實驗三：只改變隱層為（7,3），其他不變 此實驗實例個數(shù)為200個，正確率為98.5593%，與上圖的隱層的節(jié)點數(shù)為（5,3）的分類正確率98.5273%相比分類正確率稍稍升高，由此可知節(jié)點數(shù)要根據(jù)需要適當選擇。實驗四：只改變learningRate為0.5，其他不變 實例個數(shù)為200個，分類正確率為98.5273%，與實驗二的學習率為0.3分類正確率相比正確率相同，所以猜想學習率對實驗結果影響較小。3、 只改變trainingTime為500，其他不變： 實例個數(shù)為200個，分類正確率為98.5273%，與實驗二的周期數(shù)為5000分類正確率相同。第6章 結果分析 通過改變參數(shù)進行對比試驗結果表明，將所有數(shù)據(jù)的部分作為實例，其他作為檢驗數(shù)據(jù)集的實驗結果較為準確。在此實驗中改變其它條件對于準確率的影響都不是很大，但是可能是由于輸入數(shù)據(jù)的特殊性造成