2024年数据挖掘实验报告VIP免费

..《数据挖掘》Wekａ实验报告姓名＿学号_指导教师开课学期２０1５至2016学年2学期完成日期2015年6月12日...1.实验目的基于hｔtｐ://aｒchivｅ．icｓ．uci.ｅdu/ml／ｄaｔａｓets/Breast+Canceｒ+WｉｓcOnsin+%28Orｉ-giｎal%29的数据,使用数据挖掘中的分类算法，运用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.实验环境实验采用Wｅka平台，数据使用来自http://aｒchiｖe．icｓ．ucｉ.ｅdu／ml/Datasetｓ/Bｒ-eａｓｔ+Caｎceｒ＋WisｃOnsiｎ＋％28Ｏriｇｉｎal%２9，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。３．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。3.2数据分析由http://archive.ｉcs．ucｉ.edu／ml／ｄatasets/Brｅast+Caｎｃeｒ+ＷiｓcOｎｓiｎ＋%28Ori-gｉnal%29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。3.2.１.csv->.arｆｆ将CSV转换为ＡＲFF最迅捷的办法是使用WＥKA所带的命令行工具。打开weka,之后出现ＧUI界面,如图1所示:...(图1)点击进入“Ｅxplｏer”模块,要将．csv格式转换为．ａrｆf格式，点击ｏpｅnfｉle...，打开刚保存的“乳腺癌数据集.csv”,点击“Save．..”,将文件保存为“乳腺癌数据集.csv．ａrff”如图2所示：（图2)图3中显示的是使用“Eｘｐloｅr”打开“乳腺癌数据集.csv.aｒff”的情况．如图3所示：...（图3)3.2．2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...