文件名称：基于Weka的数据分类分析实验报告.docx
文件大小：385KB
文件格式：DOCX
更新时间：2022-12-23 22:13:05
文档资料
基于Weka的数据分类分析实验报告全文共8页，当前为第1页。基于Weka的数据分类分析实验报告全文共8页，当前为第1页。基于Weka的数据分类分析实验报告 基于Weka的数据分类分析实验报告全文共8页，当前为第1页。 基于Weka的数据分类分析实验报告全文共8页，当前为第1页。 1 实验目的 使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。 2 实验环境 2.1 Weka介绍 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。 图1 Weka主界面 Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种形式，第一种是以ARFF格式为代表的文件；另一种是直接读取数据库表。 使用Weka的方式主要有三种：第一种是将学习方案应用于某个数据集，然后分析其输出，从而更多地了解这些数据；第二种是使用已经学习到的模型对新实例进预测；第三种是使用多种学习器，然后根据其性能表现选择其中一种来进行预测。用户使用交互式界面菜单中选择一种学习方法，大部分学习方案都带有可调节的参数，用户可通过属性列表或对象编辑器修改参数，然后通过同一个评估模块对学习方案的性能进行评估。 2.2 数据和数据集 根据应用的不同，数据挖掘的对象可以是各种各样的数据，这些数据可以是各种形式的存储，如数据库、数据仓库、数据文件、流数据、多媒体、网页，等等。即可以集中存储在数据存储库中，也可以分布在世界各地的网络服务器上。 大部分数据集都以数据库表和数据文件的形式存在，Weka支持读取数据库表和多种格基于Weka的数据分类分析实验报告全文共8页，当前为第2页。基于Weka的数据分类分析实验报告全文共8页，当前为第2页。式的数据文件，其中，使用最多的是一种称为ARFF格式的文件。 基于Weka的数据分类分析实验报告全文共8页，当前为第2页。 基于Weka的数据分类分析实验报告全文共8页，当前为第2页。 ARFF格式是一种Weka专用的文件格式，Weka的正式文档中说明AREF代表Attribute-Relation File Format（属性-关系文件格式）。该文件是ASCII文本文件，描述共享一组属性结构的实例列表，由独立且无序的实例组成，是Weka表示数据集的标准方法，AREF不涉及实例之间的关系。 3 数据预处理 本实验采用Weka 平台，数据使用Weka安装目录下data文件夹下的默认数据集iris.arff。 Iris 是鸢尾花的意思，鸢尾花是鸢尾属植物，是一种草本开花植物的统称。鸢尾花只有三枚花瓣，其余外围的那三瓣乃是保护花蕾的花萼，只是由于这三枚瓣状花萼长得酷似花瓣，以致常常以假乱真，令人难以辨认。 由于本次使用平台自带的ARFF格式数据，所以不存在格式转换的过程。实验所用的ARFF格式数据集如图2所示。 图2 AREF格式数据集（iris.arff） 鸢尾花的数据集包括三个类别：Iris Setosa（山鸢尾）、Iris Versicolour（变色鸢尾）和Iris Virginica（维吉尼亚鸢尾），每个类别各有50个实例。数据集定义了5个属性：sepal length（花萼长）、sepal width（花萼宽）、petal length（花瓣长）、petal width（花瓣宽）、class（类别）。最后一个属性一般作为类别属性，其余属性都是数值，单位为cm（厘米）。 实验数据集中所有的数据都是实验所需的，因此不存在属性筛选的问题。若所采用的数基于Weka的数据分类分析实验报告全文共8页，当前为第3页。基于Weka的数据分类分析实验报告全文共8页，当前为第3页。据集中存在大量的与实验无关的属性，则需要使用weka平台的Filter(过滤器)实现属性的筛选。 基于Weka的数据分类分析实验报告全文共8页，当前为第3页。 基于Weka的数据分类分析实验报告全文共8页，当前为第3页。 实验所需的训练集和测试集均为iris.arff。 4 实验过程及结果 应用iris.arff数据集，分别采用LibSVM、C4.5决策树分类器和朴素贝叶斯分类器进行测试和评价，分别在训练数据上训练分类模型，找出各个模型最优的参数值，并对三个模型进行全面评价比较，