商务智能与数据挖掘试验报告

商务智能与数据挖掘实验报告课程：商务智能与数据挖掘地点：L2607时间：2012年5月13日学生姓名不冶”叱* 班级 电商 学号实验项目数据挖掘应用实验指导教师 *辛叱**本实验目的L掌握MicrosoftSQLserver的数据库恢复：,掌握MicrosoftSQLServerAnlysisService的多维数据分析功能；.至少掌握一种数据挖掘工具，并能正确地使用；.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.实验要求1.根据提供的“SQL2008SBSDW.bak”文件恢复SQL2008SBSDW数据库；.在SQL2008SBSDW数据库上搭建多维数据集口.根据提供的“data02”进行分类分析；.根据提供的“data02”进行关联分析；.根据提供的“data。产进行聚类分析；(数据可利用系统自带的进行分析，也可利用提供的数据进行分析)实验内容及实验结果一、对“曲g02”进行分类分析L数据格式的转换(1)打开“data02.xl瞟另存为CSV类型，得至1」“dataO2.cw- 丑？£吃.(2)在WEKA中提供了一个“ArffView"”模块，打开一个“data02uv”进行浏览，然后另存为ARFF文件，得到“dataO2.arff二9『a吧丹而2.分类过程(D决策树分类用“Explorer”打开数据"data02.arff",然后切换到“Classify”口点击“Choose",选择算法“trees-」48",再在"Testoptions"选择"Cross-validaticm(Flods=10)",点击"Start",开始运行。训练结果;

系统默认treevJ48决策树算法中mii^um0bj=2,得到如下结果===Summary二二二CorrectlyClassifiedInslances2388.4615%IncorrectlyClassifiedInstances311.5385%Kappastatistic0.7636Meanabsoluteerror0.141Rootmeansquarederror0.3255RelativeabsoluteerroT30.7368%Rootrelativesquarederror68.0307%TotalNumberofInstances26 DetailedAccuracyByClass TPRateFPRatePrecisionRecallF-MeasureROCAreaClass0.824 010.824 0.903 0.892N1 0.1760.751 0.857 0.892YWeightedAvg.0.885 01)61().9130.885 0.887 0.892二二二ConfusionMatrix二二二ab<-classifiedas1431a=N091b=Y使用不同的参数准确率比较：minNnmObj2345CorrectlyClcissifiedInstcinces23(88.4615%)22(84.6154%)23(88.4615%)23(88.4615%)由上表，可知minXumObj为2时，准确率最高.根据测试数集，利用准确率最高的模型得到的结果:[=।WekaClassierTreeVisualizer：11:22:13-treesJ48(data02)I^ARFF-Viewer-C:\User^US\Peslctop\lli.arff [=FileEditView疸.Lx'」』jlliarffRelation：dataEQjredictedHq.sampleNiacric疝d-yqar「二空：二VEGF%=2ri匚MV€:;3ST9二cancer-gradecanc-%r^stage::=行二predictedearicermetasasis用s.in1a.lcancer■vt&Sls.sis手工工ml19.05G.01.07401.01.0nin1024.031.02.G124.8203.0IT1113.0盟Q1.056.0io1.0nW1217.014.03.0138.63.03.0TI133.06L02.019002.0l.oIT148.042.0l.Q24Q.03.02.0T151612.02.025.036.02.01.094657.2Rightdick(orforcontextmenuIwl.Ul.U1714.03101.04782.01.0n185.05S.03.Q80.03.00II157.038.01.076.01.01.0Vn2也045.02.Q124.02.04.0A2018.0耀总LQ11402.03.0V.2119.03S.0l.ij40.22.01.0l!H22二二Q63Q3，：•12723.030YI236.06：Q1.c9:42.0l.Un2-；2520.01.0"•uS9.03：2.Q17J243.44.02.a3.01.0Y口TU26315.Q~6.0的汽A?.031：■3.031.61419.83,04.01.03.0l I45躇。H.Or二Qu1.03.G662132.S2.04.01.02.0IT不us6721.010.065R弭02-：■3.u51e情6CO2.G;.o2.0I立I s325u5三u1.0123.0403uTq94058j：i3.0128.04.03.0Il分析说明:在用148对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型，其中属性值有两个Y,1一部分结果如下:884615%11.5385884615%11.5385%IncorrectlyClassifiedInstances 3二二二ConfusionMatrix=二ab<-classifiedas1431a=N091b=Y这个矩阵是说，原来是，”的实例，有14个被正确的预测为有3个错误的预测成了“N：原本是的实例有0个被正确的预测成为“？二有9个正确的预测成了“N”。*14+3+0+9=26”是实例的总数，而(14+9)/26=0.884615正好是正确分类的实例所占比例。这个矩阵对角线上的数字越大，说明预测得越好“(2)K最近邻分类算法用/即工0廷工'”打开数据，就总02.arff”,然后切换到“Classify"-点击"Choose",选择算法“lazy-IBk”,再在4<Testoptions”选择^Cross-validation(Elods=10)"，点击"Start”，开始运行。训练结果：

系统默认lazy-1曲K最近邻分类算法中QN=L得到如下结果Summary===CorrectlyClassifiedInstances2076.9231%IncorrectlyClassifiedInstances623.0769%Kappastatistic0.4902Meanabsoluteerror0.252Rootmeansquarederror0.4626Relativeabsoluteerror54.91361Rootrelativesquarederror96.694%TotalNumberofInstances26===DetailedAccuracyByClass===TPRateFPRatePrecisionRecallF-MeasureROCAreaClass0.824 0.3330.824 0.8240.824 0.768N0.667 0.1760.667 0.6670.667 0.768YWeightedAvg, 0.769 0.2790.769 0.7690.769 0.768===ConfusionMatrix=-=ab ＜一一classifiedas143|a=N36|b-Y使用不同的参数准确率比较:KNN1234CorrectlyClcissifiedInstcinces20(76.9231%)19(73.0769%)23(88.4615%)20(76.9231%)由上表，可知解为3时，准确率最高。根据测试数集，利用准确率最高的模型得到的结果:

分析说明，在用lazy-Ibk(汕N=3)对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型，其中属性值有两个Y,N,一部分结果如下：===Summary===CorrectlyClassifiedInstances 23 88.4615%IncorrectlyClassifiedInstances 3 11.5385%===ConfusionMatrix===ab <-classifiedas161a=N

16127|b=Y这个矩阵是说，原来是“Y”的实例，有16个被正确的预测为有1个错误的预测成了，原木是“NO”的实例有2个被正确的预测成为有9个正确的预测成了“71“16+1+2+7=26”是实例的总数，而(16+7)726=0.884615正好是正确分类的实例所占比例.二、对“dataUl”进行聚类分析.数据格式的转换⑴打开“dataOLxls”另存为CSV类型，得到“data。1心v:怜史:。匕二_⑵在WEKA中提供了一个“ArffViewed模块，打开一个“dataOLcsv”进行浏览，然后另存为ARFF文件，得到“da3)Larff文件，得到“da3)Larff。dataOl.arff.聚类过程用Explorer^打开数据“dataOLarff%然后切换到“Cluster，点击“Choose"，选择算法KSimploKMocUis(nusnClusters=63seed=200),再在"Testoptions"选择wlsetrainingset点击“Start”，开始运行.训练结果，采用simpleKMHans算法，其中nuniClusterf=6,seed=100f得到如卜结果:Mumberofiterations:3Withinclustersumofsquarederrors:6.065322314450069(平方误差之和)ClusteredInstancesClusteredInstances0 4 ( 15%)1 3 ( 12%)2 4 ( 15%)

3 3(12%)4 2(8%)5 10(38%)(各类的包含的实例个数以及占总实例的百分比)商WekaClustererVisuafize:13:22:44-SimpieKMeansidataO2)[口j回Plotdata'?2clusteredClasscolourclusterOclusuerl一三；〔 clusuero*ARFF-Viewer-C:\User5\ASUS\Desktop\555.arffFileEditView!5S5.ar££jRelation-dataO2MclustedHo.Xnstance_n.ujnberNumericsampleold-yearur-sti二VEGFHVC:&WHE二cancer^gjadecaoicer^stageNun£=i*i亡cancermetastasisCluster10.0l.Q59.02.043.42.0l.UITcIueterl109.010.05S.03.068,6202.0Hcluster1ll10.0ii.a6E.03.0i32S102uITclusterS1211.012G25.02.0946403.0IclustsrS1312.013.052.01.0560LQ10ITeluster51413.014.031.01.047.82.01.0ITcluslerS1514.015.036.03.031.63.01.0Tcluster31615.016.042.01.066.22.01..0打cluster5I-16.017.0HO3.0138.63.03,0TclustersIS17.018032.01.0iUu203uITclusterS1918.019.035.01040.22.0LOITclusters21.02.03601.057.21.01.0Hclustsr52019.02cLa70.03.0177.24.03.0Tcliister02120.02L065.02.0SI.64.04.0TclusterO2221.022.045.02.012-zQ20:0Hcluster22322.023?66.03.Q12723Q30IelmsterCi2423.024031.0ITelueter22524.025.058.0Vcluster21.VJi,0一2625.026.Q60.03.0149.8103.0TclusterO32.03.061.02.0190.02.01.0clusterl43.04.05803.0128.04.03.0Ycluster454.0505503.080.03.0:uYcluster465.06Q61.01.042.010ITclusters6.038.01.076.0LO1/0口clustsr5B7.08.04201.0240.03.0'2.011cluster5gS.O9.050.01.074.01.01.0ITclusters

说明：其中当seed的取值越大，平方误差之和越小口在这次实验geed=?OO,得到：Withinclustersumofsquarederrors:6.065322314450069.这是讲价聚类好坏的标准，数值越小说明同一簇实例之间的距离就越小.接下来“CluEtetcentroids”：列出了各个兢中心的位置：AttributeFullData012345(26)⑷⑶⑷⑶⑵(10)sample13.522.54.666720.514.66674.511.2old-year48.076965.7559.333350.52556.541.9VEGF1.92312.7