数据挖掘实验weka分析

1、数据挖掘实验weka分析管理学院实验（实训）报告课程：商务智能与数据挖掘 地点:2607时间:2014年5月7日学生姓名班级 学号成绩实验项LI数据挖掘应用实验至少掌握一种数据挖掘工具，并能正确地使用；实验LI的利用所掌握的数据 挖掘工具进行分类分析、关联分析、聚类分析等至少熟悉一种挖掘工具，并使用该挖掘工具进行分类、关联和聚类分析；阅读教材P139-156,边阅读，边操作；实验数据可用系统自带的，也可以从网上下载，也可以自行创建；实验要求算法自行选择，可以针对一个数据集选择多个算法进行比较分析，也可以每个算法选择不同的数据进行分析；学会并熟悉通过网络解决问题的能力；将本次试验的操作过程及分析

2、结果填写在实验报告中。实验内容及实验结果1（打开数据文件，数据预处理进行关联性分析分析之前进行要先进行离散化处理，打开数据文件后，选择离 散化处理的算法，确认算法参数之后就可以进行预处理操作;X; wek-a.gutX enencObectd it or凶wek-a filters unieupim sd ttri6ut 3i rcreii iaAn m stence filter that discretizes a ranfle ofnumencrtoroaflnbutes in th& dataset into n&minal attributes.C ftp&bi11tiesal lr

3、ily.Ul&dieeiI ins4-S51 d化i ghlQflnsfi ndN*nnBmc a pior eCi ss isirertSelect ion n akeBmu-y usftZiualfre queacyOjen.SaveOKCancel)进行预处理之后的数据:H ViewerReliati on: westherweko. filters, unsupervised. attrib.Ho.outlook ComiaaLltemperature Somxnalhuniidi ty ffomx&alvindyCc-manalPlayETomtnalsunny(S2.-9-in);

4、(83.6.FALSEno10rainyC74.5-76.J CT7.4.FALSEyesHsuiuny CT4. 5-T6.J (&8.1.TRUEys12orerca.st CT0.3-T2 J(39.8 TRUEy饰13overcast(80.8-82.丿 CT4.3.FAIE1厂rainyCTO.3-72,.(89-.8.TRUEno2EunnyA fra 7-ao.(89.8.TRUEno3overcast (8Z.S-infy飞3.6FALSEyes十rsuny(68 2-70.丿(92.9FALSEyes5rainy(66 1-68.nFALSE iyes6 1rainy(-in

5、f-66.飞8.1TRUEn；7overcast(inTRUEy苗85UMtyCr0.3-T2,.丿(92.9 .FALSEno9sunny(68 2-70.* (&8.1.FALSEyes | OK C=aiwel2（关联分析选择关联性分析的算法，对参数进行设置参数确定后就可以进行关联度的分析，关联算法的参数不同，儿次测试的结果也不同，但都没得出与课本中相同的结果。- Cl ustdaily4LGdac|UcxftU rlecdi listIS X:ll -cuou kwi Jia-ra-cao-iam-fio-fCM-s -i.o -1 -t -iJniau*l jcw al iBtQt

6、iawffcs;33x ot xt at liras itMna &|L): 15Slt of t af 1“ itMyvtJ 1|2)! 103“ o t of 】“ ntaamcs 1|9): 1匕 culr 3md:工outlc4covcc Mt -I - Plor*y4 cout: (2 |么owrtWjM咚 gtid/FM握3pMy-y?citt|l?3.tpt|4C二70. 3 2-:-plj-yx:cmt:|ii.科a?pny 2 mt；ai& awtdoc*jnw fcui3lirr,(68.L-71. Z名“ plo?7W 3 wnt/ (II T antlacicoxtCM

7、t irrtr7VlU Z pdiynJ : ccn： |1B. onvloc*oitcMC winl?FWE I o pleQ7M N wnt(11Q. outloclcxt.ny fnasditr*1 (TJ.4-410. 5 1 2 plwyy 2 c-ark!: 01 W grbdcmwf dne/-TOJl 2 pl*/-no 2 caiii H3（分类分析打开数据文件后，先选择进行分类的算法，J48-C4. 5决策树算法，选择将测数据集作为训练集使丿II，同时选择output predictions使结果显示预测情况X、-Zd s *然后进行十折交义验证，下图时将决策树可视化显示的

8、结果4（聚类分析选用k-均值聚类算法进行聚类分析，进行聚类之前先对数据文件进行规范化处理 打开文件后选择规范化处理算法，进行规范化处理后将数据进行保存;下图是打开文件选择算法后的界面:下图是进行规范化处理之后的数据:HI Viewer2S1魅sepallength lluMr issepalwidthIwur icpetallntL H-wmrKpetalwi dth i ffwmsieclass B&ul10.2222220.6250.O&77970. 041667 llris100 1666670.4583330.0847460 Ollris.1000.38888SQ. 3333330.5

9、254240.51ns.1010. 555556Q. 5416670.8474581 0Iras.10?0.416&670.2916670 6949150 T5Ins.1030. 777H80.4166670.8305080.833333Iris. *1(M0. 5555560.3750 7796610 T08333 Iras .1050.61H11Q. U66670.8135590-8T5)Iris.1060.916&67Q. 4166670-9491530.S33333Iras107o. ieswQ 岔83330 $93220.&W$7In Si I iOSo.8333530.3750.8

10、533050.T06333Iris.10&0.666&670 2083330.8135590.T08333-一丄一 -lIris.110 3055S0 7083330.O&474&0.0416&7Iras. . . 11100. 80S556-w 已0.6666670.8644071.0TIras. H!0.8111110.50 6949150.79I6S7Iris.1120. 583333- - -0.2916670 728814O码Iris.1130. 694M40.4166670 7627120. 833333Iris.1140 3688890 2083330.6779660. T916

11、67Im. . . 11150.416&676.3333330.6949150. 958333Iris. . 111&0 5833330 50 7288140 916667Ira s.7711170.8111110 4168670.7627120 T0B333Ins.1180. 9444440.750：96610Z0.8T5Iris.1190 9444440. 251.00. 91666TIns.120. 13888S0.5833330_ 101695O.G41667|lris. . |on:filters, mrsup念:rvi、住d. 0ttribut.Hornialii:Sl.orC*n