大数据挖掘期末实验报告材料.doc

《大数据挖掘期末实验报告材料.doc》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、数据挖掘技术期末报告理学院：学号：联系：专业班级：评分：优□

2、良□

3、中□

4、及格□

5、不及格□一、实验目的 基于从UCI公开数据库中下载的数据，使用数据挖掘中的分类算法，用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。二、实验环境 实验采用Weka平台，数据使用来自从UCI公开数据库中下载，主要使用其中的BreastCancerWisc-onsin(Original)DataSet数据。Weka是怀卡托智能分析

6、系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。三、实验步骤3.1数据预处理本实验是针对威斯康辛州(原始)的乳腺癌数据集进行分类，该表含有Samplecodenumber（样本代码)，ClumpThickness（丛厚度），Uni

7、formityofCellSize（均匀的细胞大小），UniformityofCellShape（均匀的细胞形状），MarginalAdhesion（边际粘连），SingleEpithelialCellSize（单一的上皮细胞大小），BareNuclei（裸核），BlandChromatin（平淡的染色质），NormalNucleoli（正常的核仁），Mitoses（有丝分裂），Class（分类），其中第二项到第十项取值均为1-10，分类中2代表良性，4代表恶性。通过实验，希望能找出患乳腺癌客户各指标的分

8、布情况。该数据的数据属性如下：1.Samplecodenumber（numeric），样本代码；2.ClumpThickness（numeric），丛厚度；3.UniformityofCellSize（numeric）均匀的细胞大小；4.UniformityofCellShape（numeric），均匀的细胞形状；5.MarginalAdhesion（numeric），边际粘连；6.SingleEpithelialCellSize（numeric），单一的上皮细胞大小；7.BareNuclei（numer

9、ic），裸核；8.BlandChromatin（numeric），平淡的染色质；9.NormalNucleoli（numeric），正常的核仁；10.Mitoses（numeric），有丝分裂；11.Class（enum），分类。3.2数据分析由UCI公开数据库得到一组由逗号隔开的数据，复制粘贴至excel表中，选择数据——分列——下一步——逗号——完成，该数据是有关乳腺癌数据集，有11个属性，分别为Samplecodenumber（样本代码)，ClumpThickness（丛厚度），Uniformity

10、ofCellSize（均匀的细胞大小），UniformityofCellShape（均匀的细胞形状），MarginalAdhesion（边际粘连），SingleEpithelialCellSize（单一的上皮细胞大小），BareNuclei（裸核），BlandChromatin（平淡的染色质），NormalNucleoli（正常的核仁），Mitoses（有丝分裂），Class（分类），因为复制粘贴过来的数据没有属性，所以手工添加一行属性名。Weka分类数据需把excel保存为一个csv文件。图1中显示的是

11、使用“Exploer”打开“乳腺癌数据集.csv.arff”的情况.如图1所示：（图1）3.2.1数据预处理很明显发现，所用的数据都是（numeric）数值型的，需要将数值型离散化，将“ClumpThickness”，“UniformityofCellSize”，“UniformityofCellShape”，“MarginalAdhesion”，“MarginalAdhesion”，“BareNuclei”，“BlandChromatin”，“NormalNucleoli”，“Mitoses”，“Cla

12、ss”离散化。我们需要借助Weka中名为“Discretize”的Filter来完成。在区域2中点“Choose”，出现一棵“Filter树”，逐级找到“weka.filters.unsupervised.attribute.Discretize”点击，即可。现在“Choose”旁边的文本框应该显示“Discretize-B10-M-0.1-Rfirst-last”。如图箭头所示，点击这个文本框会弹出新窗口以修改离散化的参数。