數(shù)據(jù)挖掘課設(shè)報告

XI'ANTECHNOLOGICALUNIVERSITY課程設(shè)計報告課程名稱 數(shù)據(jù)挖掘?qū)I(yè)：信息管理與信息系統(tǒng)班 級： 130513姓 名： 賈丹丹學(xué) 號： 130513117指導(dǎo)教師：李剛成 績：2016年1月3日前言數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息。它是根據(jù)人們的特定要求，從浩如煙海的數(shù)據(jù)中找出所需的信息來，供人們的特定需求使用。據(jù)國外專家預(yù)測，隨著數(shù)據(jù)量的日益積累和計算機(jī)的廣泛應(yīng)用，在今后的5—10年內(nèi)，數(shù)據(jù)挖掘?qū)⒃谥袊纬梢粋€新型的產(chǎn)業(yè)。數(shù)據(jù)挖掘，在人工智能領(lǐng)域，習(xí)慣上又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase,KDD），也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。知識發(fā)現(xiàn)過程由以下三個階段組成：（1）數(shù)據(jù)準(zhǔn)備（2）數(shù)據(jù)挖掘（3）結(jié)果表達(dá)和解釋。數(shù)據(jù)挖掘可以與用戶或知識庫交互。數(shù)據(jù)挖掘是通過分析每個數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個步驟。數(shù)據(jù)準(zhǔn)備是從相關(guān)的數(shù)據(jù)源中選取所需的數(shù)據(jù)并整合成用于數(shù)據(jù)挖掘的數(shù)據(jù)集；規(guī)律尋找是用某種方法將數(shù)據(jù)集所含的規(guī)律找出來；規(guī)律表示是盡可能以用戶可理解的方式（如可視化）將找出的規(guī)律表示出來。數(shù)據(jù)挖掘中的分類反映同類事物共同性質(zhì)的特征型知識和不同事物之間的差異型特征知識。最為典型的分類方法是基于決策樹的分類方法。它是從實(shí)例集中構(gòu)造決策樹，是一種有指導(dǎo)的學(xué)習(xí)方法。該方法先根據(jù)訓(xùn)練子集（又稱為窗口）形成決策樹。如果該樹不能對所有對象給出正確的分類，那么選擇一些例外加入到窗口中，重復(fù)該過程一直到形成正確的決策集。最終結(jié)果是一棵樹，其葉結(jié)點(diǎn)是類名，中間結(jié)點(diǎn)是帶有分枝的屬性，該分枝對應(yīng)該屬性的某一可能值。目錄TOC\o"1-5"\h\z\o"CurrentDocument"1業(yè)務(wù)理解 1\o"CurrentDocument"2數(shù)據(jù)理解 1\o"CurrentDocument"2.1英文版數(shù)據(jù)說明 1\o"CurrentDocument"2.2數(shù)據(jù)的讀入 2\o"CurrentDocument"2.3瀏覽數(shù)據(jù)內(nèi)容 2\o"CurrentDocument"2.4指定各個變量的作用 3\o"CurrentDocument"2.5觀察各變量的數(shù)據(jù)分布特征 4\o"CurrentDocument"3數(shù)據(jù)準(zhǔn)備 4\o"CurrentDocument"3.1對數(shù)據(jù)進(jìn)行重新分類 .4\o"CurrentDocument"3.2對數(shù)據(jù)進(jìn)行平衡處理 6\o"CurrentDocument"4建立決策樹模型 6\o"CurrentDocument"4.1C5.0,CART,CHAID算法介紹 7\o"CurrentDocument"4.2模型建立 8\o"CurrentDocument"4.3模型計算結(jié)果 14\o"CurrentDocument"4.4模型結(jié)果分析 17\o"CurrentDocument"5模型評估 18\o"CurrentDocument"6總結(jié) 20附錄l:zoo.date 21\o"CurrentDocument"附錄2:s 241業(yè)務(wù)理解動物園動物數(shù)量大，種類多，對動物園的動物根據(jù)它們的特征進(jìn)行分類，以便于觀察和分析動物的特征，進(jìn)而更加合理的管理動物以及為未來查找動物信息提供參考。2數(shù)據(jù)理解該數(shù)據(jù)集是從uci網(wǎng)站上獲得的一份關(guān)于動物園的動物的數(shù)據(jù)。該數(shù)據(jù)是收集的動物園中99種動物的特征，包括hair，feathers，eggs，milk，airborne，aquatic，Predator，toothed，backbone，breathes，venomous，fins，legs，tail，domestic，catsize。現(xiàn)需利用數(shù)據(jù)挖掘?qū)⑦@些動物進(jìn)行分類，分成7種類型。2?1英文版數(shù)據(jù)說明Source:Creator:RichardForsythDonor:RichardS.Forsyth8GrosvenorAvenueMapperleyParkNottinghamNG35DX0602-621676DataSetInformation:Asimpledatabasecontaining17Boolean-valuedattributes.The"type"attributeappearstobetheclassattribute.Hereisabreakdownofwhichanimalsareinwhichtype:(Ifinditunusualthatthereare2instancesof"frog"andoneof"girl"!)Class#--Setofanimals:--(41)aardvark,antelope,bear,boar,buffalo,calf,cavy,cheetah,deer,dolphin,elephant,fruitbat,giraffe,girl,goat,gorilla,hamster,hare,leopard,lion,lynx,mink,mole,mongoose,opossum,oryx,platypus,polecat,pony,porpoise,puma,pussycat,raccoon,reindeer,seal,sealion,squirrel,vampire,vole,wallaby,wolf--(20)chicken,crow,dove,duck,flamingo,gull,hawk,kiwi,lark,ostrich,parakeet,penguin,pheasant,rhea,skimmer,skua,sparrow,swan,vulture,wren--(5)pitviper,seasnake,slowworm,tortoise,tuatara--(13)bass,carp,catfish,chub,dogfish,haddock,herring,pike,piranha,seahorse,sole,stingray,tuna--(4)frog,frog,newt,toad--(8)flea,gnat,honeybee,housefly,ladybird,moth,termite,wasp--(10)clam,crab,crayfish,lobster,octopus,scorpion,seawasp,slug,starfish,wormAttributeInformation:animalname:Uniqueforeachinstaneehair:Booleanfeathers:Booleaneggs:Booleanmilk:Booleanairborne:Booleanaquatic:Booleanpredator:Booleantoothed:Booleanbackbone:Booleanbreathes:Booleanvenomous:Booleanfins:Booleanlegs:Numeric(setofvalues:{0,2,4,5,6,8})tail:Booleandomestic:Booleancatsize:Booleantype:Numeric(integervaluesinrange[1,7])RelevantPapers:Forsyth'sPC/BEAGLEUser'sGuide.2.2數(shù)據(jù)的讀入將數(shù)據(jù)讀入Modeler中。在源選項(xiàng)卡中選擇可變文件節(jié)點(diǎn)并設(shè)置節(jié)點(diǎn)參數(shù)。在文件選項(xiàng)卡中指定從文件zoo.txt中讀入數(shù)據(jù)。2?3瀏覽數(shù)據(jù)內(nèi)容在輸出選項(xiàng)卡中選擇表節(jié)點(diǎn)，添加到數(shù)據(jù)流中。執(zhí)行該節(jié)點(diǎn)生成數(shù)據(jù)表。在瀏覽數(shù)據(jù)時發(fā)現(xiàn)兩個錯誤項(xiàng),數(shù)據(jù)中有兩個frog和一個gril,則刪除一個frog和gr訂。

【表】節(jié)點(diǎn)的輸出結(jié)果2.4指定各個變量的作用其中animalname,hair,feathers,eggs,milk,airborne,aquatic,Predator,toothed,backbone,breathes,venomous,fins,legs,tail,domestic,catsize為模型的輸入變量，type為模型的目標(biāo)變量。在字段選項(xiàng)選項(xiàng)卡中選擇【類型】節(jié)點(diǎn)，添加到數(shù)據(jù)流中，設(shè)置參數(shù)指定變量角色?！绢愋汀抗?jié)點(diǎn)的參數(shù)

2?5觀察各變量的數(shù)據(jù)分布特征在輸出選項(xiàng)卡中選擇數(shù)據(jù)審核節(jié)點(diǎn)，添加到數(shù)據(jù)流中。執(zhí)行節(jié)點(diǎn)生成數(shù)據(jù)表?！緮?shù)據(jù)審核】節(jié)點(diǎn)的輸出結(jié)果可以看出，該份數(shù)據(jù)有99個樣本，除animalname以外均為數(shù)值型變量，除animalname、legs、type以外均是布爾值。Modeler對此計算，輸出最小值、最大值、均值、標(biāo)準(zhǔn)差、偏態(tài)系數(shù)等基本描述統(tǒng)計量。數(shù)據(jù)顯示，legs最大值與最小值差距較大。從數(shù)值型變量的柱形圖可以看出屬于typel的數(shù)量最多。數(shù)據(jù)質(zhì)量理想。3數(shù)據(jù)準(zhǔn)備3.1對數(shù)據(jù)進(jìn)行重新分類針對該數(shù)據(jù)，hair，feathers，eggs，milk，airborne，aquatic，Predator，toothed，backbone，breathes，venomous，fins，tail，domestic，catsize屬性為是否有hair，feathers，eggs，milk，airborne，aquatic，Predator，toothed，backbone，breathes，venomous，fins，tail，domestic，catsize，所以取值0和1不規(guī)范，應(yīng)將取值0和1調(diào)整為No和Yes。亙新分類亙新分類如['團(tuán)預(yù)覽[ .0,?口[L]模式： ◎單個◎參個重新分類對：◎新字段⑥現(xiàn)有字段重新分類字段:milkairborneaquatic字段容擴(kuò)展:重新分類1字段容擴(kuò)展:重新分類1添加対：@后緩◎前緩原始值新值10No原始值新值10No1YesNoNoYesYes ?復(fù)制 4清除新值undef重新分類值:鄉(xiāng)自動…用于未指定的值：◎原始值◎默認(rèn)值!囲亟【重新分類】的【設(shè)置】選項(xiàng)卡頁亙在輸出選項(xiàng)卡中選擇【表】節(jié)點(diǎn)，連接到【重新分類】節(jié)點(diǎn)，執(zhí)行【表】節(jié)點(diǎn)生成重新分類后的數(shù)據(jù)表，如下：【表】節(jié)點(diǎn)的輸出結(jié)果3.2對數(shù)據(jù)進(jìn)行平衡處理觀察數(shù)據(jù)發(fā)現(xiàn)，屬于typel的數(shù)據(jù)較多，屬于其他type的數(shù)據(jù)相對較少,所以進(jìn)行樣本平衡處理?！酒胶狻康摹驹O(shè)置】選項(xiàng)卡在輸出選項(xiàng)卡中選擇【表】節(jié)點(diǎn)，連接到【平衡】節(jié)點(diǎn)，執(zhí)行【表】節(jié)點(diǎn)生成平衡處理后的數(shù)據(jù)表，如下圖：【表】節(jié)點(diǎn)的輸出結(jié)果4建立決策樹模型使用C5.0,CART,CHAID三種算法建立模型：4.1C5.0,CART,CHAID算法介紹C5.0：C5.0是決策樹模型中的算法，79年由JRQuinlan發(fā)展，并提出了ID3算法，主要針對離散型屬性數(shù)據(jù)，其后又不斷的改進(jìn)，形成C4.5，它在ID3基礎(chǔ)上增加了隊(duì)連續(xù)屬性的離散化。C5.0是C4.5應(yīng)用于大數(shù)據(jù)集上的分類算法，主要在執(zhí)行效率和內(nèi)存使用方面進(jìn)行了改進(jìn)。C5.0是經(jīng)典的決策樹模型算法之一，可生成多分支的決策樹，目標(biāo)變量為分類變量，使用C5.0算法可以生成決策樹或者規(guī)則集。C5.0模型根據(jù)能偶帶來的最大信息增益的字段拆分樣本。第一次拆分確定的樣本子集隨后再次拆分，通常是根據(jù)另一個字段進(jìn)行拆分，這一過程重復(fù)進(jìn)行指導(dǎo)樣本子集不能在被拆分為止。最后，重新緝拿眼最低層次的拆分，哪些對模型值沒有顯著貢獻(xiàn)的樣本子集被提出或者修剪。優(yōu)點(diǎn)：C5.0模型在面對數(shù)據(jù)遺漏和輸入字段很多的問題時非常穩(wěn)?。籆5.0模型比一些其他類型的模型易于理解，模型退出的規(guī)則有非常直觀的解釋；C5.0也提供強(qiáng)大技術(shù)以提高分類的精度。C5.0算法選擇分支變量的依據(jù)：以信息熵的下降速度作為確定最佳分支變量和分割閥值的依據(jù)。CART：CART(ClassificationAndRegressionTree)算法采用一種二分遞歸分割的技術(shù)，將當(dāng)前的樣本集分為兩個子樣本集，使得生成的的每個非葉子節(jié)點(diǎn)都有兩個分支。因此，CART算法生成的決策樹是結(jié)構(gòu)簡潔的二叉樹。CART算法檢查每個變量和該變量所有可能的劃分值來發(fā)現(xiàn)最好的劃分，對離散值如{x,y,x}，則在該屬性上的劃分有三種情({{x,y},{z}},{{x,z},y},{{y,z},x})，空集和全集的劃分除外；對于連續(xù)值處理引進(jìn)“分裂點(diǎn)”的思想，假設(shè)樣本集中某個屬性共n個連續(xù)值，則有n-1個分裂點(diǎn)，每個“分裂點(diǎn)”為相鄰兩個連續(xù)值的均值(a[i]+a[i+1])/2。將每個屬性的所有劃分按照他們能減少的雜質(zhì)(合成物中的異質(zhì)，不同成分)量來進(jìn)行排序。CART算法經(jīng)常采用事后剪枝方法：該方法是通過在完全生長的樹上剪去分枝實(shí)現(xiàn)的，通過刪除節(jié)點(diǎn)的分支來剪去樹節(jié)點(diǎn)。最下面未被剪枝的節(jié)點(diǎn)成為樹葉。CHAID：CHAID(Chi-SquareAutomaticInteractionDetection)提供了一種在多個自變量中自動搜索能產(chǎn)生最大差異的變量方案。CHAID分析可以生成非二進(jìn)制樹，即有些分割有兩個以上的分支。CHAID模型需要一個單一的目標(biāo)和一個或多個輸入字段。還可以指定重量和頻率領(lǐng)域。CHAID分析，卡方自動交互檢測，是一種用卡方統(tǒng)計，以確定最佳的分割，建立決策樹的分類方法。CHAID算法以因變量為根結(jié)點(diǎn)，對每個自變量(只能是分類或有序變量，也就是離散性的，如果是連續(xù)變量，如年齡，收入要定義成分類或有序變量)進(jìn)行分類，計算分類的卡方值(Chi-Square-Test)。如果幾個變量的分類均顯著，則比較這些分類的顯著程度(P值的大小)，然后選擇最顯著

的分類法作為子節(jié)點(diǎn)。CHIAD可以自動歸并自變量中類別，使之顯著性達(dá)到最大。最后的每個葉結(jié)點(diǎn)就是一個細(xì)分市場。4.2模型建立在【建?！窟x項(xiàng)卡中選擇【C5.0】、【C&R樹R】、【CHAID(C)】節(jié)點(diǎn),添加到數(shù)據(jù)流中。設(shè)置各算法的主要參數(shù)。【C5.0】的【模型】選項(xiàng)卡【C5.0】的【分析】選項(xiàng)卡

【C&R樹】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（一）【C&R樹】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（二）【C&R樹】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（三）【C&R樹】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（四）【C&R樹】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（六）【CHAID】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（一）

【CHAID】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（二）【CHAID】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（三）

【CHAID】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（四）【CHAID】的【構(gòu)建選項(xiàng)】選項(xiàng)卡（五）建立的數(shù)據(jù)流如圖所示:■.txt平衡類型■.txt平衡類型動物分類的數(shù)據(jù)流4.3模型計算結(jié)果C5.0算法分析結(jié)果的文字形式如下圖:「文件村生成"視圖區(qū)亟」團(tuán)；feathers=Yes[模式:2]<=>2□feathers=No；feathers=Yes[模式:2]<=>2□feathers=No[欖式1]白backbone=Yes[欖式1]卜milk=Yes[模式:1]°1自milk=No[模式:4]I?fins=Yes[模式：4]?=>4Hfins=No[欖式:3][????tail=Yes[欖式3]。3Ltail=No[模式5]。5自backbone=No[欖式:7]卜airborne=Yes[種式:6]<=>6自airborne=No[模式：7]卜predator=Yes[橈式7]?=>7&predator=No[欖式6]|legsin[O][ft式7]。7ilegsin[24568][模式:6]U>6預(yù)測變量重要性目標(biāo)：typeIfeathersl模型查看器匯總設(shè)置注解Ul1|2|3|4I5lilfSlH Sj|.?ir I r疲不垂要fins-feathers視圖迪)：預(yù)測變量重要性二］C5.0算法分析結(jié)果的圖形形式如下圖:L,l■■ ■LL,l■■■■,L*faL0. UCART算法分析結(jié)果的文字形式如下圖:|心文件O生成"視圖亙|模型萱看器匯總注解二J1M1所有卜叵'!?'Irfeathersin[-No-] 1]<=>1(40;0.325)預(yù)測變量重耍性目標(biāo)：typeL-feathersin["Yes"][預(yù)測變量重耍性目標(biāo)：type最車要CART算法分析結(jié)果的圖形形式如下圖:心文件◎生成S7視圖厘1模型宜看器匯總注解Q匪畫奩爵盤誤匾］節(jié)點(diǎn)。類別%n111111124.52813111■224.5281311■37.5474;feathers■416.9319廠j^=0.226~51.00711169.434511■715.0943111總計100.000531111 匕t/pe節(jié)點(diǎn)1塑別%n132.50013■20.0000■310.0004■422.500952.5001612.5005■720.0008總計75.47240No—es—Chaid算法分析結(jié)果的文字形式如下圖：節(jié)點(diǎn)2類別%1■23450.000100.0000.0000.0000.0000130004.4模型結(jié)果分析（1） C5.0算法模型結(jié)果分析該模型找出了10個影響因素:feathers,tail,backbone,milk,fins,legs,predator,airborne其中feathers是最重要的屬性，其中l(wèi)egs,predator,fins是不重要的屬性。因此，對一個動物進(jìn)行歸類時，首先看它是否有feathers。當(dāng)feathers為有時，則直接屬于type2，不用考慮其他因素，如果沒有feathers，再看它是否有backbone,如果有backbone，再看它是否有milk,如果有milk,則屬于typel,如果沒有milk，再看它是否有fins,如果有fins,則直接屬于type4,如果沒有fins,再看它是否有tail，如果有tail,則屬于type3,如果沒有tail，則直接屬于type5，如果沒有backbone，再看它是否有airborne,如果有airborne,則直接屬于type6,如果沒有airborne,再看它是否有predator，如果有predator，則屬于type7，如果沒有predator，再看它的legs是否為0，如果它的legs為0，則屬于type7，如果它的legs為2,4,5,6,8，則屬于type,6。（2） CART算法模型結(jié)果分析該模型找出了3個影響因素：feathers,legs,airborne,其中feathers是最重要的屬性，與feathers比較，其他屬性遠(yuǎn)遠(yuǎn)不如feathers重要。當(dāng)feathers為有時，則直接屬于type2,不用考慮其他因素,如果無feathers,則直接屬于type1。（3） CHAID算法模型結(jié)果分析該模型找出了10個影響因素：legs,hair,aquatic,fins,toothed,其中l(wèi)egs最重要，其中fins和toothed是最不重要的屬性。當(dāng)當(dāng)腿的數(shù)量等于0時，再看它是否有hair，如果有，則直接屬于type1，不用考慮其他因素，如果沒有hair,則看它收否有toothed,如果沒有則直接屬于type7，如果有toothed,再看它是否有fins，如果沒有，則屬于type3,如果有，則屬于type4。當(dāng)腿的數(shù)量等于2時，再看它是否有hair,如果沒有，則直接屬于type2,不用考慮其他因素，如果有hair,則直接屬于typel。當(dāng)腿的數(shù)量等于4時，再看它是否有hair，如果有，則直接屬于typel，不用考慮其他因素，如果沒有hair,則看它收否有aquatic,如果沒有則直接屬于type3,如果有aquatic,再看它是否有toothed,如果沒有,則屬于type7,如果有,則屬于type5。當(dāng)腿的數(shù)量等于5或者8時，則直接屬于type7，不再考慮其他因素。當(dāng)腿的數(shù)量等于6時，再看它是否有aquatic,如果沒有，則直接屬于type6,如果有aquatic,則直接屬于type7。5模型評估在節(jié)點(diǎn)工具箱的【輸出】選項(xiàng)卡中選擇【分析】節(jié)點(diǎn)，與模型結(jié)果節(jié)點(diǎn)相連。執(zhí)行分析節(jié)點(diǎn)，得到分析結(jié)果。C5.0的分析結(jié)果如下圖：CART的分析結(jié)果如下圖:CHAID的分析結(jié)果如下圖:可以看出，C5.0和CHAID算法建立的模型正確預(yù)測精度分別達(dá)到了98.75%和100%，模型比較理想。CART算法建立的模型正確預(yù)測精度為51.25%，模型不理想。6總結(jié)用數(shù)據(jù)挖掘技術(shù)對審計數(shù)據(jù)加以分析，總結(jié)出一些正常模式，用來進(jìn)行異常檢測，將有助于提高入侵檢測系統(tǒng)的檢測準(zhǔn)確性和完備性。在本課設(shè)中用到了決策樹分類分析方法，使用了決策樹算法中的C5.0、CART、CHAID三種算法，結(jié)果各不相同，預(yù)測的準(zhǔn)確性也不同，由此可見每種數(shù)據(jù)挖掘的方法都有其側(cè)重點(diǎn)，對于現(xiàn)實(shí)的數(shù)據(jù)挖掘處理，不大可能使用單一的數(shù)據(jù)挖掘方法就能得到滿意的結(jié)果，而要綜合應(yīng)用多種方法取各種方法之長補(bǔ)其之短，對數(shù)據(jù)進(jìn)行挖掘才能得到滿意的結(jié)果。通過這次的課程設(shè)計，使我對數(shù)據(jù)挖掘技術(shù)有了一個整體的認(rèn)識。同樣在建立模型的時候也遇到了這樣或那樣的問題。但在自己認(rèn)真的思考和查找資料，艱難的完成了這次課設(shè)。這讓我對數(shù)據(jù)挖掘技術(shù)以后的深入學(xué)習(xí)打下了良好的基礎(chǔ)。TZ乙'O'OWO'OTlWO'O'OTlyoyTMT^[9y0y0y0y9y0y0yIy0y0y0y0yIy0yI70719y0yIy0y9y0yIyIy0y0y0y0yIy0yI‘0TooqAouoq方'OWOWO'lWl'O'O'l'O‘0'buTwoq乙'O'OWO'OTl'OWl'OTlWMEqI'OW方'O'OTlWO'OWO‘II'OW方'O'OTlWO'OWO5Toqsureq方'OWOWOWOTO'OTOWQoppmq乙'O'OWO'OTl'O'lTl'OTlyoyTT^iTOWO'OTlWOWO'OyIy^TTT^o6IyIyIyIy^yOyOyIyIyIyOyOyOyIyOyOyIy4^o69y0y0y0y9y0y0yIy0y0y0y0yIy0yIy0y0yiTl'OWO'lTlWOWO‘IlTO'15'O'OTlWO'OWO5V孑孑"牡I'O'OT乙'O'OWl'O'O'lTO7o71q'0'0'05'0'lTlWT0'0T0V6o時q'0'0'05'0'0TlWT0'0T0V6o時9'O'O'O'9'O'OTO'O'O'O'O'OTOy0乙WlWoWO'O'OWlyiyo"obuTui^TjI'l'OT方'O'OWl'O'O'OTO，o乙'O'OWO'OTl'O'OTl'OTlWonp乙'O'lWO'OTl'O'OWoTl'OVAopIyIy0yIy0yIy0yIyIyIyIyIy0yIy0y0y0yUT^dTop方TO'lWO'OWlTO'OTOyoy^sTj6oplTO'15'O'OTlWO'OWOyl7Jeep乙'O'OWO'O'l'lWoWl'l'o'mohq厶'O'O'O'9'O'O'O'O'OTl'O'O'l70707^stjApjo厶'0'0'05'0'0'0'0'0'lT0'0T0‘0厶'O'O'O'O'O'O'O'O'OWO'OTO‘0‘皿"方'OWOWOTl'lTO'OTO'O'qnqo乙'O'lWO'OTl'O'O'O'l'OTlyu詡Q^qQlT0'l5'0'0TlW0W0'0VqE—oq。Iy0yIy0y^y0y0yIyIyIy0y0y0yIy0y0yI7Aapo方'OWOWOWlTO'OTOVqsf孑非q方'OWOWOTI'OTO'OTO，oIyIyI‘I5‘0‘0TlWO‘0WOWWQlT0'l5'0'0TlW0W0'055町孑nqlTO'15'O'OTlWO'OWO‘ITmoqiTO'OF'O'OTlWO'OWO‘ITmoq方'OWOWOTI'ITO'OTO‘0'ssmqI'l'OT方'O'OWl'O'O'OTO，oTodoT^uEIWOG'O'OWITO'OTO‘0T滬eaphee8Q/8p*00Z：l沓則ladybird,0,0,1,0,1,0,1,0,0,1,0,0,6,0,0,0,6lark,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2leopard,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1lion,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1lobster,0,0,1,0,0,1,1,0,0,0,0,0,6,0,0,0,7lynx,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1mink,1,0,0,1,0,1,1,1,1,1,0,0,4,1,0,1,1mole,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,0,1mongoose,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1moth,1,0,1,0,1,0,0,0,0,1,0,0,6,0,0,0,6newt,0,0,1,0,0,1,1,1,1,1,0,0,4,1,0,0,5octopus,0,0,1,0,0,1,1,0,0,0,0,0,8,0,0,1,7opossum,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,0,1oryx,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,1,1ostrich,0,1,1,0,0,0,0,0,1,1,0,0,2,1,0,1,2parakeet,0,1,1,0,1,0,0,0,1,1,0,0,2,1,1,0,2penguin,0,1,1,0,0,1,1,0,1,1,0,0,2,1,0,1,2pheasant,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2pike,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,1,4piranha,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,0,4pitviper,0,0,1,0,0,0,1,1,1,1,1,0,0,1,0,0,3platypus,1,0,1,1,0,1,1,0,1,1,0,0,4,1,0,1,1polecat,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1pony,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1porpoise,0,0,0,1,0,1,1,1,1,1,0,1,0,1,0,1,1puma,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1pussycat,1,0,0,1,0,0,1,1,1,1,0,0,4,1,1,1,1raccoon,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1reindeer,1,0,0,1,0,0,0,1,1,1,0,0,4,1,1,1,1rhea,0,1,1,0,0,0,1,0,1,1,0,0,2,1,0,1,2scorpion,0,0,0,0,0,0,1,0,0,1,1,0,8,1,0,0,7seahorse,0,0,1,0,0,1,0,1,1,0,0,1,0,1,0,0,4seal,1,0,0,1,0,1,1,1,1,1,0,1,0,0,0,1,1sealion,1,0,0,1,0,1,1,1,1,1,0,1,2,1,0,1,1seasnake,0,0,0,0,0,1,1,1,1,0,1,0,0,1,0,0,3seawasp,0,0,1,0,0,1,1,0,0,0,1,0,0,0,0,0,7skimmer,0,1,1,0,1,1,1,0,1,1,0,0,2,1,0,0,2skua,0,1,1,0,1,1,1,0,1,1,0,0,2,1,0,0,2slowworm,0,0,1,0,0,0,1,1,1,1,0,0,0,1,0,0,3slug,0,0,1,0,0,0,0,0,0,1,0,0,0,0,0,0,7sole,0,0,1,0,0,1,0,1,1,0,0,1,0,1,0,0,4sparrow,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2squirrel,1,0,0,1,0,0,0,1,1,1,0,0,2,1,0,0,1starfish,0,0,1,0,0,1,1,0,0,0,0,0,5,0,0,0,7stingray,0,0,1,0,0,1,1,1,1,0,1,1,0,1,0,1,4swan,0,1,1,0,1,1,0,0,1,1,0,0,2,1,0,1,2termite,0,0,1,0,0,0,0,0,0,1,0,0,6,0,0,0,6toad,0,0,1,0,0,1,0,1,1,1,0,0,4,0,0,0,5tortoise,0,0,1,0,0,0,0,0,1,1,0,0,4,1,0,1,3tuatara,0,0,1,0,0,0,1,1,1,1,0,0,4,1,0,0,3tuna,0,0,1,0,0,1,1,1,1,0,0,1,0,1,0,1,4vampire,1,0,0,1,1,0,0,1,1,1,0,0,2,1,0,0,1vole,1,0,0,1,0,0,0,1,1,1,0,0,4,1,0,0,1vulture,0,1,1,0,1,0,1,0,1,1,0,0,2,1,0,1,2wallaby,1,0,0,1,0,0,0,1,1,1,0,0,2,1,0,1,1wasp,1,0,1,0,1,0,0,0,0,1,1,0,6,0,0,0,6wolf,1,0,0,1,0,0,1,1,1,1,0,0,4,1,0,1,1worm,0,0,1,0,0,0,0,0,0,1,0,0,0,0,0,0,7wren,0,1,1,0,1,0,0,0,1,1,0,0,2,1,0,0,2附錄2:sTitle:ZoodatabaseSourceInformation——Creator:RichardForsyth——Donor:RichardS.Forsyth8GrosvenorAvenueMapperleyParkNottinghamNG35DX0602-621676--Date:5/15/1990PastUsage:--NoneknownotherthanwhatisshowninForsyth'sPC/BEAGLEUser'sGuide.RelevantInformation:--Asimpledatabasecontaining17Boolean-valuedattributes.The"type"attributeappearstobetheclassattribute.Her