數(shù)據(jù)挖掘?qū)嶒?yàn)報告-實(shí)驗(yàn)1-Weka基礎(chǔ)操作

1、學(xué)生實(shí)驗(yàn)報告學(xué)院：信息管理學(xué)院課程名稱：數(shù)據(jù)挖掘教學(xué)班級：B01姓名：學(xué)號：實(shí)驗(yàn)報告課程名稱數(shù)據(jù)挖掘教學(xué)班級B01指導(dǎo)老師學(xué)號姓名行政班級實(shí)驗(yàn)項目實(shí)驗(yàn)一： Weka的基本操作組員名單獨(dú)立完成實(shí)驗(yàn)類型操作性實(shí)驗(yàn)驗(yàn)證性實(shí)驗(yàn)綜合性實(shí)驗(yàn)實(shí)驗(yàn)地點(diǎn)H535實(shí)驗(yàn)日期1. 實(shí)驗(yàn)?zāi)康暮鸵螅海?1） Explorer 界面的各項功能；注意不能與課件上的截圖相同，可采用打開不同的數(shù)據(jù)文件以示區(qū)別。（ 2） Weka的兩種數(shù)據(jù)表格編輯文件方式下的功能介紹；Explorer-Preprocess-edit，彈出 Viewer 對話框；Weka GUI選擇器窗口 -Tools | ArffViewer，打開 ARFF-

2、Viewer 窗口。（ 3） ARFF文件組成。2實(shí)驗(yàn)過程（記錄實(shí)驗(yàn)步驟、分析實(shí)驗(yàn)結(jié)果）2.1 Explorer界面的各項功能初始界面示意其中： explorer 選項是數(shù)據(jù)挖掘梳理數(shù)據(jù)最常用界面，也是使用weka 最簡單的方法。Experimenter ：實(shí)驗(yàn)者選項，提供不同數(shù)值的比較，發(fā)現(xiàn)其中規(guī)律。KnowledgeFlow ：知識流，其中包含處理大型數(shù)據(jù)的方法，初學(xué)者應(yīng)用較少。Simple CLI：命令行窗口，有點(diǎn)像cmd 格式，非圖形界面。進(jìn)入 Explorer界面功能介紹（1）任務(wù)面板Preprocess（數(shù)據(jù)預(yù)處理） ：選擇和修改要處理的數(shù)據(jù)。Classify （分類）：訓(xùn)練和測試

3、分類或回歸模型。Cluster（聚類）：從數(shù)據(jù)中聚類。聚類分析時用的較多。Associate（關(guān)聯(lián)分析） ：從數(shù)據(jù)中學(xué)習(xí)關(guān)聯(lián)規(guī)則。Select Attributes （選擇屬性）：選擇數(shù)據(jù)中最相關(guān)的屬性。Visualize （可視化）：查看數(shù)據(jù)的二維散布圖。（2）常用按鈕Openfile ：打開文件Open URL ：打開 URL 格式文件Open DB ：打開數(shù)據(jù)庫文件Generate：數(shù)據(jù)生成Undo：撤銷操作Edit ：編輯數(shù)據(jù)Save：保存數(shù)據(jù)文件，可實(shí)現(xiàn)文件格式的轉(zhuǎn)換，比如csv 格式文件向ARFF 格式文件轉(zhuǎn)換等等。（3）篩選數(shù)據(jù)Choose：從這個按鈕進(jìn)去可以選擇某個過濾器對數(shù)據(jù)

4、進(jìn)行篩選，數(shù)據(jù)預(yù)處理一般使用這個。Apply ：處理完成后，點(diǎn)擊這個按鈕，處理生效。（ 4）數(shù)據(jù)集的屬性關(guān)系和操作current relation ：展示了屬性的（relation ）關(guān)系名稱 ,(attributes) 屬性數(shù)， (Insetances)實(shí)例數(shù)， (sum ofweights) 權(quán)重的總和等多種屬性關(guān)系。Attributes ：展示了屬性的所有列， 上邊的四個按鈕是對屬性列的快捷選擇按鈕，包括 (all) 全選，(none)全不選， (Ivert) 反選，（patern）模式，選擇符合某一條件的屬性列。最下邊的remove 按鈕可以刪除選中的屬性列，如果想撤回，可以使用上邊提

5、到的undo 按鈕 （ 5）屬性摘要和直方圖Selected attributes：如果是數(shù)值屬性：屬性名（Name）、屬性類型（ Type）、缺失值（ Missing ）個數(shù)及百分比、不同值（Distinct ）數(shù)、唯一值（Unique ）數(shù)及百分比等等。對于數(shù)值屬性和標(biāo)稱屬性，摘要的方式是不一樣的。圖中顯示的是標(biāo)簽的取值及相應(yīng)取值的實(shí)例數(shù)。選中屬性的直方圖。若數(shù)據(jù)集的最后一個屬性是類標(biāo)變量（這是分類或回歸任務(wù)的默認(rèn)目標(biāo)變量，如 “play ”），直方圖中的每個長方形就會按照該變量的比例分成不同顏色的段。要想換個分段的依據(jù)，在上方的下拉框中選個不同的分類屬性就可以了。下拉框里選上“No Cl

6、ass或”者一個數(shù)值屬性會變成黑白的直方圖。Visualize ：展示所有的屬性的直方圖（ 6）狀態(tài)欄（ status）顯示一些信息讓你知道正在做什么。在狀態(tài)欄中的任意位置右擊鼠標(biāo)將會出現(xiàn)一個小菜單。有兩個選項：Memory Information- 顯示 WEKA 可用的內(nèi)存量。Run garbage collector- 強(qiáng)制運(yùn)行Java 垃圾回收器，搜索不再需要的內(nèi)存空間并將之釋放，從而可為新任務(wù)分配更多的內(nèi)存。Log ：按鈕可以查看以weka 操作日志。沒有任務(wù)時，右邊的小鳥是坐著的，任務(wù)運(yùn)行時，小鳥會站起來左右搖擺。若小鳥站著但不轉(zhuǎn)動，表示任務(wù)出了問題。引例操作顯示功能（ 1）2.2

7、 weka 的兩種數(shù)據(jù)表格編輯方式下的功能介紹Explorer-Preprocess-edit，彈出 Viewer 對話框；1、 雙擊鼠標(biāo)可以對數(shù)據(jù)進(jìn)行修改，2、 在數(shù)據(jù)上使用右鍵可以對數(shù)據(jù)修改進(jìn)行撤回（undo）3、 對數(shù)據(jù)修改之后，如果想保存，點(diǎn)擊下方的ok，撤回點(diǎn)擊undo，不保存直接點(diǎn)擊cancelWeka GUI選擇器窗口 -Tools | ArffViewer，打開 ARFF-Viewer 窗口。1、 在最開始進(jìn)入界面點(diǎn)擊上邊的tools，進(jìn)入arffviewer 。2、 點(diǎn)擊打開不同的文件，會在上沿像瀏覽器一樣挨個展示arff文件的內(nèi)容。3、 鼠標(biāo)移動到屬性名稱旁邊是會顯示對屬性

8、列操作的格式，單機(jī)左鍵會對所有數(shù)據(jù)按照這個屬性按照升序排列， （ shift + 左鍵）會對屬性按照這個屬性進(jìn)行降序排列，（ Alt+ 左鍵）或者直接右鍵出現(xiàn)對數(shù)據(jù)進(jìn)行操作的菜單，對屬性列進(jìn)行重命名，所有數(shù)據(jù)相加之類的操作都可以在菜單中找到。4、 鼠標(biāo)定在某行時，可以刪除某一行5、 有點(diǎn)像 excel 中的操作2.2ARFF 文件組成、對文件格式介紹WEKA 存儲數(shù)據(jù)的格式是ARFF （ Attribute-Relation File Format ）文件1、 這是一種 ASCII 文本文件2、 文件的擴(kuò)展名為.arff3、 可以用寫字板打開、編輯ARFF 文件。建議用UltraEdit 等編

9、輯器使用寫字板打開時如下“%”表示注釋， WEKA 將忽略這些行。除去注釋后，整個ARFF 文件可以分為兩個部分:（ a）第一部分給出了頭信息（Head information），包括了對關(guān)系的聲明和對屬性的聲明。（ b）第二部分給出了數(shù)據(jù)信息（ Data information），即數(shù)據(jù)集中給出的數(shù)據(jù)。從 “data”標(biāo)記開始，后面的就是數(shù)據(jù)信息了。關(guān)系名稱在ARFF 文件的第一個有效行來定義，格式為：relation < 關(guān)系名 ><關(guān)系名 >是一個字符串。如果這個字符串包含空格，它必須加上引號（指英文標(biāo)點(diǎn)的單引號或雙引號） 。屬性聲明用一列以“attribute

10、開”頭的語句表示。數(shù)據(jù)集中的每一個屬性都有對應(yīng)的“attribute 語”句，來定義它的屬性名稱和數(shù)據(jù)類型（ datatype）：attribute < 屬性名 > <數(shù)據(jù)類型 >其中 <屬性名 >必須以字母開頭的字符串。和關(guān)系名稱一樣，如果這個字符串包含空格，它必須加上引號。屬性聲明語句的順序很重要，它表明了該項屬性在數(shù)據(jù)部分的位置。最后一個聲明的屬性被稱作class 屬性，在分類或回歸任務(wù)中，它是默認(rèn)的目標(biāo)變量。WEKA 一共支持五種數(shù)據(jù)類型numeric數(shù)值型nominal標(biāo)稱（ nominal ）型string字符串型date <date-fo

11、rmat>日期和時間型Relational關(guān)系型還可以使用兩個類型“integer和”“real，”但是 WEKA 把它們都當(dāng)作 “numeric 看”待。注意： “integer，”“real，”“numeric，”“date，”“string這”些關(guān)鍵字是區(qū)分大小寫的，而 “relation、”“ attribute 和 “ ”data則”不區(qū)分。每個實(shí)例占一行，實(shí)例的各屬性值用逗號“,隔”開。如果某個屬性的值是缺失值（ missing value ），用問號 “?表”示，且這個問號不能省略。文件轉(zhuǎn) arff 文件（1）創(chuàng)建 xls 文件，保存為csv 文件（2）weka中打開 csv 格式的文件， 另存為 arff 文件，因?yàn)樵跀?shù)