數(shù)據(jù)挖掘試驗(yàn)報(bào)告 Weka的數(shù)據(jù)聚類分析

本文格式為Word版，下載可任意編輯——數(shù)據(jù)挖掘試驗(yàn)報(bào)告Weka的數(shù)據(jù)聚類分析甘肅政法學(xué)院

本科生試驗(yàn)報(bào)告

（2）

姓名:

學(xué)院:計(jì)算機(jī)科學(xué)學(xué)院專業(yè):信息管理與信息系統(tǒng)班級(jí):

試驗(yàn)課程名稱:數(shù)據(jù)挖掘試驗(yàn)日期:指導(dǎo)教師及職稱:試驗(yàn)成績:

開課時(shí)間：2023—2023學(xué)年

一學(xué)期

甘肅政法學(xué)院試驗(yàn)管理中心印制

試驗(yàn)題目姓名Weka的數(shù)據(jù)聚類分析班級(jí)小組合作學(xué)號(hào)一、試驗(yàn)?zāi)康?、了解和熟悉K均值聚類的步驟2、利用Weka中提供的simpleKmeans方法對(duì)數(shù)據(jù)文件進(jìn)行聚類分析，更深刻的理解k均值算法，并通過對(duì)試驗(yàn)結(jié)果進(jìn)行觀測分析，找出試驗(yàn)中所存在的問題。二．試驗(yàn)環(huán)境Win7環(huán)境下的Eclipse三、試驗(yàn)內(nèi)容在WEKA中實(shí)現(xiàn)K均值的算法,觀測試驗(yàn)結(jié)果并進(jìn)行分析。四、試驗(yàn)過程與分析一、試驗(yàn)過程1、添加數(shù)據(jù)文件開啟Weka的Explore，使用Openfile點(diǎn)擊開啟本次試驗(yàn)所要使用的raff格式數(shù)據(jù)文件“auto93.raff〞2、選擇算法類型點(diǎn)擊Cluster中的Choose，選擇本次試驗(yàn)所要使用的算法類型“SimpleKMeans〞3、得出試驗(yàn)結(jié)果選中“ClusterMode〞的“Usetrainingset〞，點(diǎn)擊“Start〞按鈕，觀測右邊“Clustereroutput〞給出的聚類結(jié)果如下：===Runinformation===Scheme:weka.clusterers.SimpleKMeans-N2-S10Relation:sInstances:93Attributes:23ManufacturerTypeCity_MPGHighway_MPGAir_Bags_standardDrive_train_typeNumber_of_cylindersEngine_sizeHorsepowerRPMEngine_revolutions_per_mileManual_transmission_availableFuel_tank_capacityPassenger_capacityLengthWheelbaseWidthU-turn_spaceRear_seat_roomLuggage_capacityWeightDomesticclassTestmode:evaluateontrainingdata===Modelandevaluationontrainingset===kMeans======Numberofiterations:5Withinclustersumofsquarederrors:282.17934341063733Clustercentroids:Cluster0Mean/Mode:ChevroletMidsize19.073226.3171115.90243.522173.85374965.85371964.2683018.60495.561193.7805108.609872.341541.634129.020215.51783517.561123.4512StdDevs:N/AN/A2.39163.0368N/AN/A1.2610.901550.3232581.2098370.73N/A2.49031.073511.12325.24352.96321.94622.7722.4527358.6609N/A10.2372Cluster1Mean/Mode:FordSmall24.961531.2692014.23011.9942120.15385528.84622622.3077115.13464.7115174.8654100.269267.038536.846226.89112.60692722.3077016.4019StdDevs:N/AN/A6.07465.7467N/AN/A0.73010.504740.8149484.7019377.1753N/A3.02040.84811.25995.57352