数据挖掘WEKA报告bezdekIris

1、数据挖掘之莺尾（IRIS）-1 -第一部分概述(5) . class:类型(分类型),取值如下-Iris Setosa山莺尾-Iris Versicolor变色莺尾-Iris Virginica维吉尼业莺尾4.试验中我们采用bezdekIris.data数据集，对比(08-Mar-1993)和bezdekIris.data数据集(14-Dec-1999),可知前者的第35个 实例4.9,3.1,1.5,0.1,Iris-setosaffi第38个实例4.9,3.1,1.5,0.1,Iris-setosa后者相应 的修改为：4.9,3.1,1.50.2,Iris-setosa和4.9,3.1,1

2、.4,0.1,Iris-setosa第二部分 将UCI提供的数据转化为标准的ARFF数据集1.将数据集处理为标准的数据集，对丁原始数据，我们将其拷贝保存到TXT文档，采用UltraEdit工具打开，为其添加届性信息。如图：irisl.arff J iris.arff bezdeklris.bd XQ II II II II I一1。I II II IL LI -2。IL L1 IL L J JI 34L L J JIL L J JIL LmJ JI tI II hI II I1 1I II II-6Q I1sepallength sepal-width petal-length petal-w

3、idth class2Iris-sec osa39f3.0f1.4f0*2fIri3-setosa4Ixis-setaaaEIris-setoaaIxis-setasa7S.4,3.9,1.7,0.4,Iris-setasa2. （1）将bezdekIris.txt文件导入Microsoft Office Excel（导入时,文本类型选择 文本文件），如图：牛名值）：新建源豆Z1.数据挖掘目的：根据已有的数据信息，寻找出莺尾的届性之间存在怎样的关联 规则。2.数据源：UCI提供的3.数据集的届性信息：(1). sepal length in cm(2). sepal width in cm(3

4、). petal length in cm(4). petal width in cm150个实例，每个实例有萼片长度（单位：厘米）萼片宽度（单位：厘米）花瓣长度（单位：厘米）花瓣宽度（单位：厘米）5个届性。（数值型）（ 数 值型）UCI发布的iris.data数据集文本文件(*. txt; #. prn; *. csv;彳| Excel(* 由三) 网页(*. htm -数据挖掘之莺尾(IRIS)-2 -Lotus -2-3Paradox艾1牛DB豺*文伴鼠心曰数据挖掘之莺尾（IRIS）-3 -(2)下一步，设置分隔符号，如图:(3)得到的XLS格式数据如图:C6 A 1.4ACD_EL s

5、epal-lengthsepal-widthpetal T engthpetal-width75. 13.51.40.2 Iris-setoea4. 931. 40. 2 Iris-setosa14. 73. 2L30. 2 Iris-setosa4.63. 11. 50. 2 Iris-setosa53 61L 4一10,2Iris-setosa5. 43, 9L ?0, 4 Iris-setosa34. 63. 41. 40. 3 Iris-setosaa53. 4L50. 2 Iris-setosa04. 42,91.40.2 Iris-getoeai4. 93. 11. 50. 1 I

6、ris-setosaF5. 431.50.2 Iris-setosa4.在Excel中将其另存为CS呻式文件(CSV格式的文件和XLS格式文件一样)， 保存的路径为C:Program FilesWeka-3-6,方便对其进行转化为weka标准的arff格式文件，如图：5.采用weka的Simple CLI模块输入命令：java weka.core.converters.CSVLoaderbezdekIris.csv bezdekIris.arff将CSV文件转化为标准ARFF文件。成功完成的 提示信息：Finished redirecting output to bezdekIris.arff

7、。得到的数据集如图所示：数据挖掘之莺尾(IRIS)-4 -0daua5.1,3.5,1.4,0.2rIriB-Betosa4.9,3,1.4,0.2,Iris-fl&tDsa4.7,3,2,l-3,0.2firis-s&tosa4T6f3-lf1.5f0.2fIris-setosa5f3,l,4,0 class=Iris-setosa 41 conf:(1)2. petal-length=(-inf-1.59 37 = class=Iris-setosa 37 conf:(1)3. petal-length=(-inf-1.59 petal-width=(-inf-0.34 3

8、3 = class=Iris-setosa 33 conf:(1)4. petal-width=(1.06-1.3 21 = class=Iris-versicolor 21 conf:(1)5. petal-length=(5.13-5.72 18 = class=Iris-virginica 18 conf:(1)6. sepal-length=(4.66-5.02 petal-width=(-inf-0.34 17 = class=Iris-setosa 17 conf:(1)7. sepal-width=(2.96-3.2 petal-width=(-inf-0.34 15 = cla

9、ss=Iris-setosa 15 conf:(1)8. petal-length=(3.95-4.54 26 = class=Iris-versicolor 25conf:(0.96)9. petal-width=(1.78-2.02 23 = class=Iris-virginica 22conf:(0.96)3.1得到的关联规则结果如图:Dest mles found;3.2这样我们一共产生了9条规则，分析如下：(1)对丁规则1,可以得到的知识为：当花瓣宽度小丁等丁0.34厘米(petal-width 0.34)时，此莺尾为山莺尾，规则的置信度为1,支持度为41/150=0.273。(2

10、)对丁规则2,可以得到的知识为：当花瓣长度小丁等丁1.59厘米(petal-length 1.59)时，此莺尾为山莺尾，规则的置信度为1,支持度为37/150=0.247。(3)规则3其实是规则1和2的交集，演化。(4)对丁规则4,可以得到的知识为：花瓣宽度在1.06厘米到1.3厘米之间(1.06 petal-width 1.3)时，此莺尾为变色莺尾，规则的置信度为1,支持度为21/150=0.14。(5)对丁规则5,可以得到的知识为：conf:(1)conf: (1)cla53=Iri3-3etD5a 33conf:(1)conf:(L)class-Iris-setoaa 17COQ:(1)

11、con：数据挖掘之莺尾(IRIS)-6 -花瓣长度在5.13厘米到5.72厘米之间(5.13 petal-lengthv 5.72)时，此莺尾为维吉尼业莺尾，规则的置信度为1,支持度为18/150=0.12。(6)规则6是规则1的演化。(7)规则7是规则1的演化。(8)对丁规则8,可以得到的知识为：花瓣长度在3.95厘米至U 4.54厘米之间(3.95Vpetal-lengthw4.54)时，此莺尾为变色莺尾，规则的置信度为0.96,支持度为25/150=0.167。(9)对丁规则9,可以得到的知识为：花瓣宽度在1.78厘米到2.02厘米之间(1.78petal-width2.02)时，此莺尾

12、为维吉尼业莺尾，规则的置信度为0.96,支持度为22/150=0.147。3.3将规则总结如下表:单位：CM v 0.341.06VW 1.31.78VW 2.02花瓣宽度petal-width山莺尾变色莺尾维吉尼亚莺尾 V 1.593.95VW 4.545.13VW 5.72花瓣长度petal-length山莺尾变色莺尾维吉尼亚莺尾3.4从这些规则中我们可以知道，判断莺尾届丁那一种类，应该从花瓣的长度和 宽度上进行考虑。第四部分 采用聚类对ARFF数据集进行处理1.参数相应设置为weka.clusterers.SimpleKMeans -N 3 -A weka.core.EuclideanD

13、istance-R first-last -I 500 -S 800设置分为3个簇，距离公 式采用欧几里德距离公式， 随机种子数依次为100, 200, 300.800, Clustermode”设置为classes to clusters evalution以便对比进行评估，并且勾选Storeclusters for visualization”SeedWithin cluster sum ofsquared errors:Cluster 0Iris-virginicaCluster 1Iris-setosaCluster 2Iris-versicolorIncorrectly cluste

14、redinstances :10010.89225290446121396 ( 64%)33 ( 22%)21 ( 14%)63.042%数据挖掘之莺尾(IRIS)-7 -2006.98221647378523439 ( 26%)50 ( 33%)61 ( 41%)17.011.3333 %3007.12275017294385152 ( 35%)50 ( 33%)48 ( 32%)18.012 %4006.98221647378523439 ( 26%)50 ( 33%)61 ( 41%)17.011.3333 %50010.92513068267596394 ( 63%)35 ( 23%)

15、21 ( 14%)59.039.3333 %6006.98221647378523439 ( 26%)50 ( 33%)61 ( 41%)17.011.3333 %7007.12275017294385252 ( 35%)50 ( 33%)48 ( 32%)18.012%8006.98221647378523439 ( 26%)50 ( 33%)61 ( 41%)17.011.3333 %2.我们知道Within cluster sum of squared errors是评价聚类好坏的标准，数值越 小说明同一簇类实例之间的距离越小，聚类的结果也就越好。从这个表中我们可以知道当seed取值为2

16、00,400,600,800时，其Within cluster sum of squared errors值相同，且为最小，这时的聚类效果最好，这样我们就找到了最好的聚类方案。3.1将seed取值为800,其聚类效果如图所示:图4-1 seed-800聚类效果图注：口表示预测与真实不相符合，x表示预测与真实相符合，那么x越多表示 聚类的效果越好。3.2运行结果如下：=Run information =Scheme:weka.clusterers.SimpleKMeans -N 3 -A weka.core.EuclideanDistance -Rfirst-last -I 500 -S 800

17、Relation:bezdekIrisX.: Clusita* (HgJ害1. lu LIi!2B_iiib4E Ohfe )C14ur: ClMlLtr 04MI)Cluttefef Vi&ualize： 19J2J0 - SimpleKM段 佰 命畋蜘国Jit HrClux etlur数据挖掘之莺尾(IRIS)-8 -Instances:Attributes:1505sepal-length sepal-width petal-length petal-widthIgnored:classTest mode:Classes to clusters evaluation on tra

18、ining data=Model and evaluation on training set kMeansNumber of iterations: 6Within cluster sum of squared errors: 6.982216473785234Missing values globally replaced with mean/modeCluster centroids:AttributeFull Data(150)Cluster# 0 (61)1 (50)2(39)-=sepal-length5.84335.88855.006；-6.8462sepal-width3.05

19、732.73773.4283.0821petal-length3.7584.39671.4625.7026petal-width1.19931.4180.2462.0795Clustered Instances061( 41%)150( 33%)239( 26%)Class attribute: classClasses to Clusters:0 1 2 - assigned to cluster0 50 0 | Iris-setosa47 0 3 | Iris-versicolor14 0 36 | Iris-virginicaCluster 0 - Iris-versicolorClus

20、ter 1 - Iris-setosa数据挖掘之莺尾(IRIS)-9 -Cluster 2 - Iris-virginicaIncorrectly clustered instances : 17.011.3333 %4.1如果将seed取值改为100,其效果如图:1： ClulLkr1： lUOhfei)C14Ut CLMLUCHM)F*!- L 1AM,JiUirLlsikrDpnnLV* 携暗蛆匚1员1税版酒*1讣&9:2泗0-旬中|04皓1西血*如跄数据挖掘之莺尾(IRIS)-10 -D _C1U3tEXlC11XX E&1-3UFC1US.E1图4-2 seed-10

21、0聚类效果图分析结论：此图与图4-1seed-800聚类效果图的相比，其聚类效果有很大的劣势。这样我们就必须对SimpleKMeans算法的参数做相应调整，可以使聚类效果达到 最佳。注：口表示预测与真实不相符合，x表示预测与真实相符合，那么x越多表示 聚类的效果越好。4.2运行结果如下:Run informationScheme:weka.clusterers.SimpleKMeans -N 3 -A weka.core.EuclideanDistance -Rfirst-last -I 500 -O -S 100Relation:bezdekIrisInstances:150Attribut

22、es:5sepal-length sepal-width petal-lengthpetal-widthIgnored:classTest mode:Classes to clusters evaluation on training dataModel and evaluation on training setkMeansNumber of iterations: 4Within cluster sum of squared errors: 10.892252904461213Missing values globally replaced with mean/modecluscerZcluscerZElgsr/数据挖掘之莺尾(IRIS)-11 -Cluster centroids:AttributeFull Data(150)Cluster# 0(96)1(33)2(21)-=sepal-length5.84336.31465.16974.7476sepal-width3.05732.89583.63032.8952petal-length3.7584.974