1 数据挖掘技术期末报告 理学院 姓名： 学号： 联系电话： 专业班级： 评分：优□|良□|中□|及格□|不及格□ 2 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Breast Cancer Wisc-onsin (Original) Data Set 数据。Weka 是怀卡托智能分析系统的缩写，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Sample code number（样本代码)，Clump Thickness（丛厚度），Uniformity of Cell Size（均匀的细胞大小）， Uniformity of Cell Shape （均匀的细胞形状 ），Marginal Adhesion（边 际 粘 连 ），Single Epithelial Cell Size（单 一的上 皮 细胞大小），Bare Nuclei（裸核 ），Bland Chromatin（平淡 的染 色 质 ），Normal Nucleoli（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 的分布情 况 。 该数据的数据属 性如 下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness（numeric），丛厚度； 3.Uniformity of Cell Size（numeric）均匀的细胞大小； 4. Uniformity of Cell Shape（numeric），均匀的细胞形状 ； 5.Marginal Adhesion（numeric），边 际 粘 连 ； 6.Single Epithelial Cell Size（numeric），单 一的上 皮 细胞大小； 7.Bare Nuclei（numeric），裸 核 ； 3 8.Bland Chromatin（numeric），平淡的染色质； 9. Normal Nucleoli（numeric），正常的核仁； 10.Mitose...
