(電子商務)weka實驗

項目列表序號實驗項目名稱1HYPERLINKDataPreprocessinginWEKA2HYPERLINKAssociationRuleMiningwithWEKA3HYPERLINKClassificationviaDecisionTreesinWEKA4HYPERLINKK-MeansClusteringinWEKA姓名班級學號實驗要求必做實驗類別數(shù)據(jù)挖掘實驗時間2014.6.2實驗名稱DataPreprocessinginWEKA指導教師魏建國一、實驗目的：本次實驗主要目的是為了練習使用數(shù)據(jù)挖掘軟件WEKA來進行一些基本的數(shù)據(jù)挖掘預處理操作。實驗步驟：裝載數(shù)據(jù)：WEKA中分析對象是以arff格式文件表示的WEKA也支持csv等格式的數(shù)據(jù)文件并可以將其轉換成arff文件）。這里我們直接導入老師所給的bank-data.arff文件。移出不相關屬性：我們可以看到bank-data.arff中的數(shù)據(jù)元組中都有ID屬性，在進行相關數(shù)據(jù)挖掘之前（關聯(lián)分析、分類、聚類），我們需使用WEKA中的Filter功能將ID屬性過濾掉。點擊Filter面板旁邊的Choose按鈕并選擇"weka.filters.unsupervised.attribute.Remove"，點擊空白處并填寫需要移出的屬性序號為“1”，如下圖：點擊“OK”返回主界面，并點擊Apply按鈕實施移出，保存當前文件為“bank-data-R1.arff”。接下來要將一些屬性的值做離散化（因為有一些算法只能在離散化的屬性上才適用）。首先，我們用文本編輯器打開剛才存儲“bank-data-R1.arff”文件，并將children屬性后的numeric更改為@attributechildren{0,1,2,3}下面我們使用WEKA來進行"age"and"income"屬性的離散化。在本實驗中我們將這兩個屬性劃分為三個區(qū)段。首先還在剛才的Filter面板旁點擊Choose按鈕，選擇"weka.filters.unsupervised.attribute.Discretize"，點擊空白并填寫相關屬性，這里我們要離散化age屬性，所以我們鍵入age屬性的序號3，因為我們要進行的是簡單的分箱操作，所以將其它選項置為false。點擊OK返回并點擊Apply進行離散化。之后再按此步驟對income屬性進行離散化。都完成后將文件保存，并用Notepad++打開arff文件發(fā)現(xiàn)自動劃分的邊界并不是整數(shù)（不易讀），我們利用Notepad++中的替換功能將邊界值人工修正成我們想要的數(shù)值，最后修改結果見“實驗結果”中的截圖。實驗結果進行屬性值離散化之前：圖1-1圖1-2進行屬性值離散化之后：圖1-3圖1-4成績批閱人批閱時間姓名班級學號實驗要求必做實驗類別數(shù)據(jù)挖掘實驗時間2014.6.2實驗名稱AssociationRuleMiningwithWEKA指導教師魏建國一、實驗目的：學習使用WEKA對數(shù)據(jù)進行頻繁模式、關聯(lián)和相關方面的分析。二、實驗步驟：將上次實驗預處理完畢的arff文件導入至WEKA，并點擊“Associate”選項卡，跳轉至關聯(lián)分析界面。這里我們看到“Assosiator”已經(jīng)將Apriori算法設置為默認的分析器，但是我們需要更改一些參數(shù)，點擊空白處調(diào)出參數(shù)設置頁面。設置參數(shù)如下圖（注意將metricType度量標準替換為Lift標準）：返回并點擊Start進行關聯(lián)挖掘，返回結果如下圖。三、實驗結果圖2-11當然也可以在WEKA命令行下鍵入命令及參數(shù)進行管理分析，在此不詳述。成績批閱人批閱時間姓名班級學號實驗要求必做實驗類別數(shù)據(jù)挖掘實驗時間2014.6.2實驗名稱ClassificationviaDecisionTreesinWEKA指導教師魏建國一、實驗目的：熟悉在WEKA中使用C4.5（J48）算法以及給定的訓練集對未分類數(shù)據(jù)集進行分類（Classification）。二、實驗步驟：首先我們點擊選項卡“Classify”，進入分類界面，選擇Trees下的J48算法?！癟estOptions”中的“cross-validation”（交叉驗證）選項中我們填入10（這個貌似在多個訓練集同時使用的時候才有用還是怎么著？）。返回主界面后點擊“Start”開始分類，文字結果出現(xiàn)在窗體右部，如下圖：分類形成的可視化決策樹如下：這里我們注意到結果的準確度僅有將近69%，但是在這里我們就不進一步采取其它方法提高此值了。下面我們將用以上分類得出的規(guī)則來對未知的數(shù)據(jù)進行分類。將“Testoptions”選項中的RadioButtion選到Suppliedtestset，并點擊“Set…—>Openfile”,選擇bank-new.arff并返回主窗口，再次點擊“Start”，得出結果如下圖：從上圖看到我們什么也沒有得到，因為這個數(shù)據(jù)是需要分類的——其pep屬性均為“？”。在這里我們右鍵單擊新產(chǎn)生的結果集，并選擇“Visualizeclassifiererrors”，并保存此次運行的結果。找到我們保存的結果，用Notepad++打開此文件，發(fā)現(xiàn)屬性中多了一項predictedpep，這就是我們按照訓練集中的規(guī)律對于新的未知數(shù)據(jù)集做的分類結果，如下圖所示。三、實驗結果還未作分類的bank-new.arff:圖3-1已經(jīng)做完預測的bank-predicted.arff（可以看到定義和元組中均多了一項）:圖3-2成績批閱人批閱時間姓名班級學號實驗要求必做實驗類別數(shù)據(jù)挖掘實驗時間2014.6.2實驗名稱K-MeansClusteringinWEKA指導教師魏建國一、實驗目的：熟悉在WEKA中使用K-means算法（在WEKA中的實現(xiàn)為SimpleKMeans）以及給定的訓練集對未分類數(shù)據(jù)集進行分類（Classification）。二、實驗步驟：首先介紹一下K-Means算法，一些K-Means算法的實現(xiàn)僅支持數(shù)值類型的數(shù)據(jù)而不支持離散類型的數(shù)據(jù)。但是WEKA算法中的實現(xiàn)SimpleKMeans實現(xiàn)的K-Means算法對于這兩種數(shù)據(jù)類型都提供了支持，這就不需要我們自己做數(shù)據(jù)類型的轉化。并且SimpleKMeans的實現(xiàn)也自動對數(shù)據(jù)進行規(guī)范化。SimpleKMeans使用歐幾里德距離來衡量相似度。下面進行聚類。首先選擇Cluster選項卡切換到聚類界面。選擇算法為“SimpleKMeans”，并在空白處點擊并設置算法參數(shù)如下圖：這里的numClusters為最后生成聚類的數(shù)量，而seed是作為初始選擇中心點的一個“種子”，K-Means