数据挖掘实验报告

《数据挖掘实验报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中科大数据挖掘实验报告姓名樊涛声班级软设一班学号SA15226248实验一K邻近算法实验一实验内容使用k近邻算法改进约会网站的配对效果。海伦使用约会网址寻找适合自己的约会对象，约会网站会推荐不同的人选。她将曾经交往过的的人总结为三种类型：（1）不喜欢的人（2）魅力一般的人（3）极具魅力的人尽管发现了这些规律，但依然无法将约会网站提供的人归入恰当的分类。使用KNN算法，更好的帮助她将匹配对象划分到确切的分类中。二实验要求（1）独立完成kNN实验，基本实现可预测的效果（2）实验报告（3）开放性：可以自己增加数据或修改算法，实现更好的分类效果三实验步骤（1）数据源说明实验给

2、出的数据源为datingTestSet.txt，共有4列，每一列的属性分别为：①percentageoftimespentingplayingvediogames；②frequentfliedmilesearnedperyear；③litersoficecreamconsumedperyear；④yourattitudetowarsthispeople。通过分析数据源中的数据，得到规律，从而判断一个人的前三项属性来得出划分海伦对他的态度。（2）KNN算法原理对未知属性的某数据集中的每个点一次执行以下操作①计算已知类别数据集中的每一个点和当前点的距离②按照距离递增依次排

3、序③选取与当前点距离最小的k个点④确定k个点所在类别的出现频率⑤返回k个点出现频率最高的点作为当前点的分类（3）KNN算法实现①利用python实现构造分类器首先计算欧式距离然后选取距离最小的K个点代码如下：defclassify(inMat,dataSet,labels,k):    dataSetSize=dataSet.shape[0]    #KNN的算法核心就是欧式距离的计算，一下三行是计算待分类的点和训练集中的任一点的欧式距离    diffMat=tile(inMat,(dataSetSize,1))-dataSet    sqDiffMat=diffM

4、at**2    distance=sqDiffMat.sum(axis=1)**0.5    #接下来是一些统计工作    sortedDistIndicies=distance.argsort()    classCount={}    foriinrange(k):        labelName=labels[sortedDistIndicies[i]]        classCount[labelName]=classCount.get(labelName,0)+1;    sortedClassCount=sorted(classCount.items

5、(),key=operator.itemgetter(1),reverse=True)    returnsortedClassCount[0][0]②解析数据输入文件名，将文件中的数据转化为样本矩阵，方便处理代码如下：deffile2Mat(testFileName,parammterNumber):    fr=open(testFileName)    lines=fr.readlines()    lineNums=len(lines)    resultMat=zeros((lineNums,parammterNumber))    classLabelVe

6、ctor=[]    foriinrange(lineNums):        line=lines[i].strip()        itemMat=line.split('t')        resultMat[i,:]=itemMat[0:parammterNumber]        classLabelVector.append(itemMat[-1])    fr.close()    returnresultMat,classLabelVector;返回值为前三列属性被写入到resultMat二维数组中，第四列属性作为标签写入到classLabl

7、eVector中③归一化数据不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，使各指标处于同一数量级。处理过程如下：defautoNorm(dataSet):    minVals=dataSet.min(0)    maxVals=dataSet.max(0)    ranges=maxVals-minVals    normMat=zeros(shape(dataSet))    size=normMat.shape[0]    normMat=dataSet-tile