(電子商務(wù))weka實(shí)驗(yàn)

項(xiàng)目列表序號(hào)實(shí)驗(yàn)項(xiàng)目名稱1HYPERLINKDataPreprocessinginWEKA2HYPERLINKAssociationRuleMiningwithWEKA3HYPERLINKClassificationviaDecisionTreesinWEKA4HYPERLINKK-MeansClusteringinWEKA姓名班級(jí)學(xué)號(hào)實(shí)驗(yàn)要求必做實(shí)驗(yàn)類別數(shù)據(jù)挖掘?qū)嶒?yàn)時(shí)間2014.6.2實(shí)驗(yàn)名稱DataPreprocessinginWEKA指導(dǎo)教師魏建國(guó)一、實(shí)驗(yàn)?zāi)康模罕敬螌?shí)驗(yàn)主要目的是為了練習(xí)使用數(shù)據(jù)挖掘軟件WEKA來進(jìn)行一些基本的數(shù)據(jù)挖掘預(yù)處理操作。實(shí)驗(yàn)步驟：裝載數(shù)據(jù)：WEKA中分析對(duì)象是以arff格式文件表示的WEKA也支持csv等格式的數(shù)據(jù)文件并可以將其轉(zhuǎn)換成arff文件）。這里我們直接導(dǎo)入老師所給的bank-data.arff文件。移出不相關(guān)屬性：我們可以看到bank-data.arff中的數(shù)據(jù)元組中都有ID屬性，在進(jìn)行相關(guān)數(shù)據(jù)挖掘之前（關(guān)聯(lián)分析、分類、聚類），我們需使用WEKA中的Filter功能將ID屬性過濾掉。點(diǎn)擊Filter面板旁邊的Choose按鈕并選擇"weka.filters.unsupervised.attribute.Remove"，點(diǎn)擊空白處并填寫需要移出的屬性序號(hào)為“1”，如下圖：點(diǎn)擊“OK”返回主界面，并點(diǎn)擊Apply按鈕實(shí)施移出，保存當(dāng)前文件為“bank-data-R1.arff”。接下來要將一些屬性的值做離散化（因?yàn)橛幸恍┧惴ㄖ荒茉陔x散化的屬性上才適用）。首先，我們用文本編輯器打開剛才存儲(chǔ)“bank-data-R1.arff”文件，并將children屬性后的numeric更改為@attributechildren{0,1,2,3}下面我們使用WEKA來進(jìn)行"age"and"income"屬性的離散化。在本實(shí)驗(yàn)中我們將這兩個(gè)屬性劃分為三個(gè)區(qū)段。首先還在剛才的Filter面板旁點(diǎn)擊Choose按鈕，選擇"weka.filters.unsupervised.attribute.Discretize"，點(diǎn)擊空白并填寫相關(guān)屬性，這里我們要離散化age屬性，所以我們鍵入age屬性的序號(hào)3，因?yàn)槲覀円M(jìn)行的是簡(jiǎn)單的分箱操作，所以將其它選項(xiàng)置為false。點(diǎn)擊OK返回并點(diǎn)擊Apply進(jìn)行離散化。之后再按此步驟對(duì)income屬性進(jìn)行離散化。都完成后將文件保存，并用Notepad++打開arff文件發(fā)現(xiàn)自動(dòng)劃分的邊界并不是整數(shù)（不易讀），我們利用Notepad++中的替換功能將邊界值人工修正成我們想要的數(shù)值，最后修改結(jié)果見“實(shí)驗(yàn)結(jié)果”中的截圖。實(shí)驗(yàn)結(jié)果進(jìn)行屬性值離散化之前：圖1-1圖1-2進(jìn)行屬性值離散化之后：圖1-3圖1-4成績(jī)批閱人批閱時(shí)間姓名班級(jí)學(xué)號(hào)實(shí)驗(yàn)要求必做實(shí)驗(yàn)類別數(shù)據(jù)挖掘?qū)嶒?yàn)時(shí)間2014.6.2實(shí)驗(yàn)名稱AssociationRuleMiningwithWEKA指導(dǎo)教師魏建國(guó)一、實(shí)驗(yàn)?zāi)康模簩W(xué)習(xí)使用WEKA對(duì)數(shù)據(jù)進(jìn)行頻繁模式、關(guān)聯(lián)和相關(guān)方面的分析。二、實(shí)驗(yàn)步驟：將上次實(shí)驗(yàn)預(yù)處理完畢的arff文件導(dǎo)入至WEKA，并點(diǎn)擊“Associate”選項(xiàng)卡，跳轉(zhuǎn)至關(guān)聯(lián)分析界面。這里我們看到“Assosiator”已經(jīng)將Apriori算法設(shè)置為默認(rèn)的分析器，但是我們需要更改一些參數(shù)，點(diǎn)擊空白處調(diào)出參數(shù)設(shè)置頁面。設(shè)置參數(shù)如下圖（注意將metricType度量標(biāo)準(zhǔn)替換為L(zhǎng)ift標(biāo)準(zhǔn)）：返回并點(diǎn)擊Start進(jìn)行關(guān)聯(lián)挖掘，返回結(jié)果如下圖。三、實(shí)驗(yàn)結(jié)果圖2-11當(dāng)然也可以在WEKA命令行下鍵入命令及參數(shù)進(jìn)行管理分析，在此不詳述。成績(jī)批閱人批閱時(shí)間姓名班級(jí)學(xué)號(hào)實(shí)驗(yàn)要求必做實(shí)驗(yàn)類別數(shù)據(jù)挖掘?qū)嶒?yàn)時(shí)間2014.6.2實(shí)驗(yàn)名稱ClassificationviaDecisionTreesinWEKA指導(dǎo)教師魏建國(guó)一、實(shí)驗(yàn)?zāi)康模菏煜ぴ赪EKA中使用C4.5（J48）算法以及給定的訓(xùn)練集對(duì)未分類數(shù)據(jù)集進(jìn)行分類（Classification）。二、實(shí)驗(yàn)步驟：首先我們點(diǎn)擊選項(xiàng)卡“Classify”，進(jìn)入分類界面，選擇Trees下的J48算法?！癟estOptions”中的“cross-validation”（交叉驗(yàn)證）選項(xiàng)中我們填入10（這個(gè)貌似在多個(gè)訓(xùn)練集同時(shí)使用的時(shí)候才有用還是怎么著？）。返回主界面后點(diǎn)擊“Start”開始分類，文字結(jié)果出現(xiàn)在窗體右部，如下圖：分類形成的可視化決策樹如下：這里我們注意到結(jié)果的準(zhǔn)確度僅有將近69%，但是在這里我們就不進(jìn)一步采取其它方法提高此值了。下面我們將用以上分類得出的規(guī)則來對(duì)未知的數(shù)據(jù)進(jìn)行分類。將“Testoptions”選項(xiàng)中的RadioButtion選到Suppliedtestset，并點(diǎn)擊“Set…—>Openfile”,選擇bank-new.arff并返回主窗口，再次點(diǎn)擊“Start”，得出結(jié)果如下圖：從上圖看到我們什么也沒有得到，因?yàn)檫@個(gè)數(shù)據(jù)是需要分類的——其pep屬性均為“？”。在這里我們右鍵單擊新產(chǎn)生的結(jié)果集，并選擇“Visualizeclassifiererrors”，并保存此次運(yùn)行的結(jié)果。找到我們保存的結(jié)果，用Notepad++打開此文件，發(fā)現(xiàn)屬性中多了一項(xiàng)predictedpep，這就是我們按照訓(xùn)練集中的規(guī)律對(duì)于新的未知數(shù)據(jù)集做的分類結(jié)果，如下圖所示。三、實(shí)驗(yàn)結(jié)果還未作分類的bank-new.arff:圖3-1已經(jīng)做完預(yù)測(cè)的bank-predicted.arff（可以看到定義和元組中均多了一項(xiàng)）:圖3-2成績(jī)批閱人批閱時(shí)間姓名班級(jí)學(xué)號(hào)實(shí)驗(yàn)要求必做實(shí)驗(yàn)類別數(shù)據(jù)挖掘?qū)嶒?yàn)時(shí)間2014.6.2實(shí)驗(yàn)名稱K-MeansClusteringinWEKA指導(dǎo)教師魏建國(guó)一、實(shí)驗(yàn)?zāi)康模菏煜ぴ赪EKA中使用K-means算法（在WEKA中的實(shí)現(xiàn)為SimpleKMeans）以及給定的訓(xùn)練集對(duì)未分類數(shù)據(jù)集進(jìn)行分類（Classification）。二、實(shí)驗(yàn)步驟：首先介紹一下K-Means算法，一些K-Means算法的實(shí)現(xiàn)僅支持?jǐn)?shù)值類型的數(shù)據(jù)而不支持離散類型的數(shù)據(jù)。但是WEKA算法中的實(shí)現(xiàn)SimpleKMeans實(shí)現(xiàn)的K-Means算法對(duì)于這兩種數(shù)據(jù)類型都提供了支持，這就不需要我們自己做數(shù)據(jù)類型的轉(zhuǎn)化。并且SimpleKMeans的實(shí)現(xiàn)也自動(dòng)對(duì)數(shù)據(jù)進(jìn)行規(guī)范化。SimpleKMeans使用歐幾里德距離來衡量相似度。下面進(jìn)行聚類。首先選擇Cluster選項(xiàng)卡切換到聚類界面。選擇算法為“SimpleKMeans”，并在空白處點(diǎn)擊并設(shè)置算法參數(shù)如下圖：這里的numClusters為最后生成聚類的數(shù)量，而seed是作為初始選擇中心點(diǎn)的一個(gè)“種子”，K-Means