2024年数据挖掘期末实验报告VIP免费

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□ﻬ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。2二、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)，UnｉformityofCellSizｅ(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(numeriｃ)，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。3３.2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),UniformiｔyoｆCｅlｌＳｉze(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,4将“CｌumpＴhicｋness”,“UnｉfoｒｍityofCellSize”,“ＵnｉformiｔyｏｆCellＳhａpe”，“MarginalAｄhesioｎ”,“MaｒginalAdhesiｏｎ”,“BarｅNｕclei”，“ＢlaｎdChroｍatiｎ”，“NoｒmalNuclｅoli”,“Miｔoｓes”，“Claｓs”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。我们需将第1,2,３，4,5，６,7,８,9,１0项离散化,其中第一项为iｄ，可移除。把attribｕteInｄicｅｓ右边改成“１,2,3，4,5,6,７,8,9,１０”。我们把这两个属性都...