数据挖掘实验报告-Weka的数据聚类分析(共9页)

1、精选优质文档-倾情为你奉上甘肃政法学院本科生实验报告（2）姓名: 学院:计算机科学学院专业:信息管理与信息系统 班级: 实验课程名称:数据挖掘实验日期: 指导教师及职称: 实验成绩:开课时间：20132014 学年 一 学期甘肃政法学院实验管理中心印制实验题目Weka的数据聚类分析小组合作姓名班级学 号一、实验目的1、了解和熟悉K均值聚类的步骤 2、利用Weka中提供的simpleKmeans方法对数据文件进行聚类分析，更深刻的理解k均值算法，并通过对实验结果进行观察分析，找出实验中所存在的问题。二实验环境Win 7环境下的Eclipse三、实验内容在WEKA中实现K均值的算法,观察实验结果并

2、进行分析。四、 实验过程与分析一、实验过程1、添加数据文件打开Weka的Explore，使用Open file点击打开本次实验所要使用的raff格式数据文件“auto93.raff”2、选择算法类型点击Cluster中的Choose，选择本次实验所要使用的算法类型“SimpleKMeans”3、得出实验结果选中“Cluster Mode”的“Use training set”，点击“Start”按钮，观察右边“Clusterer output”给出的聚类结果如下：= Run information =Scheme: weka.clusterers.SimpleKMeans -N 2 -S 10

3、Relation: sInstances: 93Attributes: 23 Manufacturer Type City_MPG Highway_MPG Air_Bags_standard Drive_train_type Number_of_cylinders Engine_size Horsepower RPM Engine_revolutions_per_mile Manual_transmission_available Fuel_tank_capacity Passenger_capacity Length Wheelbase Width U-turn_spa

4、ce Rear_seat_room Luggage_capacity Weight Domestic classTest mode: evaluate on training data= Model and evaluation on training set =kMeans=Number of iterations: 5Within cluster sum of squared errors: 282.733Cluster centroids:Cluster 0Mean/Mode: Chevrolet Midsize 19.0732 26.3171 1 1 5.9024 3.522 173.

5、8537 4965.8537 1964.2683 0 18.6049 5.561 193.7805 108.6098 72.3415 41.6341 29.0202 15.5178 3517.561 1 23.4512Std Devs: N/A N/A 2.3916 3.0368 N/A N/A 1.261 0.9015 50.3232 581.2098 370.73 N/A 2.4903 1.0735 11.1232 5.2435 2.9632 1.9462 2.772 2.4527 358.6609 N/A 10.2372Cluster 1Mean/Mode: Ford Small 24.

6、9615 31.2692 0 1 4.2301 1.9942 120.1538 5528.8462 2622.3077 1 15.1346 4.7115 174.8654 100.2692 67.0385 36.8462 26.891 12.6069 2722.3077 0 16.4019Std Devs: N/A N/A 6.0746 5.7467 N/A N/A 0.7301 0.5047 40.8149 484.7019 377.1753 N/A 3.0204 0.848 11.2599 5.5735 2.4968 2.338 2.7753 2.3975 492.4971 N/A 7.9

7、863Clustered Instances0 41 ( 44%)52 ( 56%)4、修改Seed值5、得出修改Seed值后的实验结果= Run information =Scheme: weka.clusterers.SimpleKMeans -N 2 -S 8Relation: sInstances: 93Attributes: 23 Manufacturer Type City_MPG Highway_MPG Air_Bags_standard Drive_train_type Number_of_cylinders Engine_size Horsepower

8、RPM Engine_revolutions_per_mile Manual_transmission_available Fuel_tank_capacity Passenger_capacity Length Wheelbase Width U-turn_space Rear_seat_room Luggage_capacity Weight Domestic classTest mode: evaluate on training data= Model and evaluation on training set =kMeans=Number of iterations: 6Withi

9、n cluster sum of squared errors: 282.733Cluster centroids:Cluster 0Mean/Mode: Chevrolet Midsize 19.0732 26.3171 1 1 5.9024 3.522 173.8537 4965.8537 1964.2683 0 18.6049 5.561 193.7805 108.6098 72.3415 41.6341 29.0202 15.5178 3517.561 1 23.4512Std Devs: N/A N/A 2.3916 3.0368 N/A N/A 1.261 0.9015 50.32

10、32 581.2098 370.73 N/A 2.4903 1.0735 11.1232 5.2435 2.9632 1.9462 2.772 2.4527 358.6609 N/A 10.2372Cluster 1Mean/Mode: Ford Small 24.9615 31.2692 0 1 4.2301 1.9942 120.1538 5528.8462 2622.3077 1 15.1346 4.7115 174.8654 100.2692 67.0385 36.8462 26.891 12.6069 2722.3077 0 16.4019Std Devs: N/A N/A 6.07

11、46 5.7467 N/A N/A 0.7301 0.5047 40.8149 484.7019 377.1753 N/A 3.0204 0.848 11.2599 5.5735 2.4968 2.338 2.7753 2.3975 492.4971 N/A 7.9863Clustered Instances0 41 ( 44%)1 52 ( 56%)6、对上述实验结果进行分析7、显示散点图我们在左下方“Result list”列出的结果上右击，点“Visualize cluster assignments”。弹出的窗口给出了各实例的散点图。最上方的两个框是选择横坐标和纵坐标，第二行的”col

12、or”是散点图着色的依据，默认是根据不同的簇“Cluster”给实例标上不同的颜色。二、实验分析 本次实验采用的数据文件是“1993 New Car Data ”。通过观察本次实验的实验结果观察，我们可以知道：1、Number of iterations: 5，意味着本次实验把这93条实例聚成了5类，即K=52、Within cluster sum of squared errors: 282.733这是评价聚类好坏的标准，数值越小说明同一簇实例之间的距离越小。如果把“seed”参数改一下，得到的这个数值就可能会不一样。我们应该多尝试几个“seed”，并采纳这个数值最小的那个结果。3、Cluster centroids:”之后列出了各个簇中心的位置。对于数值型的属性，簇中心就是它的均值（Mean），如cluster0的数值型变量Manufacturer的均值19.0732；分类型的就是它的众数（Mode），如cluster0的分类型变量Drive_train_type的众数为1，也就是说这个属性上取值为众数值1（有1个孩子）的实例最多。对于数值型的属性，还给出了它在各个簇里的标准差（Std Devs）。 最后的“Clu